具有混合引导的回归的概率表述

回归问题假定每个实例都标注（标记）有一个实值，我们称这种标注形式为\emph{强引导}。为使这些标注准确，它们必须是精确实验或测量的结果。然而，在某些情况下，额外的\emph{弱引导}可能由不精确测量、领域专家甚至众包给出。当前的回归表述无法同时使用这两类引导。我们提出了一种也能融入基于相对排序、界限、邻域与相似关系的弱引导的回归框架。考虑从肖像图像学习预测年龄，这些新型引导允许较弱形式的标注，例如说明某人在二十多岁或两人年龄相仿。这类标注比强引导更易生成。我们为这些弱引导形式引入了概率表述，并证明所得优化问题是凸的。我们的实验结果显示了这些表述在多个数据集上的益处。