使用移位参数的鲁棒逻辑回归（长版）
人工智能
2014-04-30 v2 机器学习
机器学习
摘要
标注错误会显著损害分类器性能，然而随着Amazon Mechanical Turk的广泛使用以及远程监督等自动生成标签技术的应用，数据集只会越来越嘈杂。在本文中，我们提出了一种逻辑回归的鲁棒扩展，直接将错误标注的可能性纳入目标函数。我们的模型可以通过与逻辑回归几乎相同的方式进行训练，并保持在高维数据集上的效率。通过命名实体识别实验，我们证明了当存在标注错误时，我们的方法可以比标准模型提供显著的改进。
引用
@article{arxiv.1305.4987,
title = {Robust Logistic Regression using Shift Parameters (Long Version)},
author = {Julie Tibshirani and Christopher D. Manning},
journal= {arXiv preprint arXiv:1305.4987},
year = {2014}
}