RACH-Space：重构自适应凸包空间及其在弱监督中的应用
机器学习
2024-02-05 v5 最优化与控制
摘要
我们介绍 RACH-Space，一种在弱监督学习中为未标注数据打标签的算法，给定关于标签的不完整且有噪声的信息。RACH-Space 实现简单，不需要对数据或弱监督来源做硬性假设，并且非常适用于无法获得完全标注数据的实际应用场景。我们的方法建立在一组弱信号所张成空间的几何解释之上。我们还分析了该空间中凸包与输出标签准确性之间关系的理论性质，将几何与机器学习联系起来。实证结果表明，RACH-Space 在实践中表现良好，并且优于现有的最佳弱监督学习标签模型。
引用
@article{arxiv.2307.04870,
title = {RACH-Space: Reconstructing Adaptive Convex Hull Space with Applications in Weak Supervision},
author = {Woojoo Na and Abiy Tasissa},
journal= {arXiv preprint arXiv:2307.04870},
year = {2024}
}
备注
12 pages