正类未标注学习中非完全随机选取（PULSNAR）：当 SCAR 假设不成立时的类比例估计

正类与未标注（PU）学习是一种半监督二分类，机器学习算法区分一组正类实例（已标注）与一组同时含正负类的实例（未标注）。PU 学习在无法获得或难以获得确证负类、且从未标注中发现正类有价值（如从未测试化合物中发现可行药物）的场景中有广泛应用。多数 PU 学习算法做\emph{完全随机选取}（SCAR）假设，即正类的选取独立于其特征。然而在许多现实应用（如医疗）中，正类并非 SCAR（如重症更可能被诊断），导致对未标注中正类比例 $\alpha$ 的估计偏差及模型校准不佳，进而使选取正类的决策阈值不确定。PU 学习算法各异：有的仅估计未标注集中正类比例 $\alpha$，有的计算各未标注实例为正的概率，部分二者皆可。我们提出两种 PU 学习算法以估计 $\alpha$、计算 PU 实例的校准概率并改进分类指标：i) PULSCAR（完全随机选取正类未标注学习），ii) PULSNAR（非随机选取正类未标注学习）。PULSNAR 采用分治方法将 SNAR 正类聚为子类型，并对每类的正类与所有未标注应用 PULSCAR 来估计各子类型的 $\alpha$。实验中，PULSNAR 在合成与真实基准数据集上均优于最先进方法。