面向非随机标签噪声的部分标签学习多层级生成模型
机器学习
2020-05-13 v1 机器学习
摘要
部分标签(PL)学习处理的问题是：每个训练样本关联一组候选标签，其中包含真实标签与无关的噪声标签。本文提出一种新颖的部分标签学习多层级生成模型(MGPLL)，该模型通过在标签向量与数据样本之间的双向映射框架下，学习一个标签级对抗生成器与一个特征级对抗生成器来解决此问题。具体而言，MGPLL使用条件噪声标签生成网络对非随机噪声标签建模并执行标签去噪，并使用多类预测器将训练样本映射到去噪后的标签向量，同时利用条件数据特征生成器构建从去噪标签向量到数据样本的逆映射。噪声标签生成器与数据特征生成器均以对抗方式进行学习，分别匹配观测到的候选标签与数据特征。我们在合成与真实世界的部分标签数据集上进行了大量实验。所提方法在部分标签学习上展现了最先进的性能。
引用
@article{arxiv.2005.05407,
title = {Multi-Level Generative Models for Partial Label Learning with Non-random Label Noise},
author = {Yan Yan and Yuhong Guo},
journal= {arXiv preprint arXiv:2005.05407},
year = {2020}
}