局部极大值集合的无监督学习
机器学习
2020-01-16 v1 机器学习
摘要
本文描述了一种新形式的无监督学习，其输入为一组成无标签点，这些点被假定为未知子集（位于向量空间中）上未知价值函数v的局部极大值。学习两个函数：(i)集合指示器c，为一个二分类器；(ii)比较函数h，给定两个邻近样本，预测哪个样本具有未知函数v的更高值。损失项用于确保根据h所有训练样本x均为v的局部极大值且满足c(x)=1。因此，c与h相互提供训练信号：x邻域内的点x'满足c(x)=-1或被h判定为值低于x。我们给出了一个算法，展示了一个使用局部极大值作为指示器函数比采用常规分类更高效的例子，并推导了合适的泛化界。实验表明，该方法在异常检测任务中优于单类分类算法，并且提供了一种完全无监督方式提取的额外信号。
引用
@article{arxiv.2001.05026,
title = {Unsupervised Learning of the Set of Local Maxima},
author = {Lior Wolf and Sagie Benaim and Tomer Galanti},
journal= {arXiv preprint arXiv:2001.05026},
year = {2020}
}
备注
ICLR 2019