无监督监督学习 II：无需标签训练基于间隔的分类器
机器学习
2010-07-23 v2
摘要
许多流行的线性分类器，如逻辑回归、Boosting 或 SVM，通过优化基于间隔的风险函数进行训练。传统上，这些风险函数是基于标注数据集计算的。我们开发了一种新技术，仅使用无标签数据和边际标签分布来估计此类风险。我们证明了所提出的风险估计器在高维数据集上是一致的，并在合成数据和真实数据上进行了验证。特别地，我们展示了该估计如何用于迁移学习中的分类器评估，以及如何在完全没有标签数据的情况下训练分类器。
引用
@article{arxiv.1003.0470,
title = {Unsupervised Supervised Learning II: Training Margin Based Classifiers without Labels},
author = {Krishnakumar Balasubramanian and Pinar Donmez and Guy Lebanon},
journal= {arXiv preprint arXiv:1003.0470},
year = {2010}
}
备注
22 pages, 43 figures