2018年8月17日
positive-unlabeled (PU) learning
摘要： PULearning的应用场景是，我们可以清晰地确定正样本，但是不能确定负样本，因为它有可能是正样本，只是我们还没有证明。 这时我们可以把这部分不确定的样本称为无标签样本U，加上正样本P来建立模型。 问题可以转化为一个有约束条件的最优化问题： 在保证正例中错误率低于1-r的条件下，最小化无标签样本中 阅读全文
posted @ 2018-08-17 16:51 stAr_1 阅读(4988) 评论(0) 推荐(0) 编辑