软标签PU学习
机器学习
2024-05-06 v1
摘要
PU学习是指只有部分正样本被标记的分类问题。现有的PU学习方法平等地对待所有未标记样本。然而，在许多实际任务中，根据常识或领域知识，某些未标记样本比其他样本更可能为正。在本文中，我们提出了软标签PU学习，其中未标记数据根据其成为正样本的概率被赋予软标签。考虑到TPR、FPR和AUC的真实值未知，我们设计了这些指标的PU对应版本，以在验证数据中评估软标签PU学习方法的性能。我们表明，这些新设计的PU指标是真实指标的良好替代品。之后，我们提出了一种优化这些指标的方法。在公开数据集和腾讯游戏反作弊服务的真实数据集上的实验证明了我们提出的方法的有效性。
引用
@article{arxiv.2405.01990,
title = {Soft Label PU Learning},
author = {Puning Zhao and Jintao Deng and Xu Cheng},
journal= {arXiv preprint arXiv:2405.01990},
year = {2024}
}