Sep, 2018
超越仅基于随机选择的假设:学习正类和未标记数据
Beyond the Selected Completely At Random Assumption for Learning from Positive and Unlabeled Data
Jessa Bekker, Pieter Robberechts, Jesse Davis
TL;DR本文中,我们探讨了如何在正样本和未标注样本数据集的有选择偏差中进行有监督学习,并提出了一种基于经验风险的方法来加入标签机制和解决未知标签机制的情况,实验证明,即使在未知标签机制的情况下,考虑可能存在的选择偏差也会提高分类器的训练效果。