PUAL：一种针对三分叉正-无标记数据的分类器
机器学习
2024-06-03 v1 机器学习
摘要
正-无标记（PU）学习旨在使用仅包含标记正实例和无标记实例的数据来训练分类器。然而，现有的PU学习方法通常难以在三分叉数据上取得令人满意的性能，其中正实例分布在负实例的两侧。为了解决这个问题，我们首先提出了一种具有非对称损失的PU分类器（PUAL），通过将正实例上的非对称损失结构引入全局和局部学习分类器的目标函数中。然后，我们开发了一种基于核的算法，使PUAL能够获得非线性决策边界。通过在模拟和真实数据集上的实验，我们表明PUAL可以在三分叉数据上实现令人满意的分类。
引用
@article{arxiv.2405.20970,
title = {PUAL: A Classifier on Trifurcate Positive-Unlabeled Data},
author = {Xiaoke Wang and Xiaochen Yang and Rui Zhu and Jing-Hao Xue},
journal= {arXiv preprint arXiv:2405.20970},
year = {2024}
}
备注
24 pages, 6 figures