面向不确定性数据的基于迁移学习的标签比例方法
机器学习
2019-08-20 v1 机器学习
摘要
标签比例学习（LLP）是一种仅提供袋内无标签数据及每袋标签比例的学习任务，在实践中已有广泛成功应用。然而，现有多数LLP方法未考虑针对不确定性知识的迁移。本文提出一种基于迁移学习的标签比例学习（TL-LLP）方法，用于从源任务向包含不确定性数据的目标任务迁移知识（源与目标任务均含不确定性数据）。我们的方法首先针对不确定性数据建立目标模型并同时处理迁移学习，随后提出一种迭代框架为目标任务构建准确分类器。大量实验表明，与现有LLP方法相比，所提TL-LLP方法可获得更优准确率且对噪声更不敏感。
引用
@article{arxiv.1908.06603,
title = {Transfer Learning-Based Label Proportions Method with Data of Uncertainty},
author = {Yanshan Xiao and HuaiPei Wang and Bo Liu},
journal= {arXiv preprint arXiv:1908.06603},
year = {2019}
}