Mismatched Supervised Learning
Mismatched Supervised Learning
复制标题
不匹配的监督学习
DOI：
10.1109/icassp43922.2022.9747362
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Ding, Jie
中科院分区：
文献类型：
--
作者：
Xian, Xun;Hong, Mingyi;Ding, Jie
标签和特征可能不匹配的监督学习场景已成为机器学习应用中的一个新问题。例如，在社会经济研究中，研究人员经常需要将来自多个资源的异构数据与相同的实体对齐，而无需唯一标识符。如果不适当解决，这种不匹配问题可能会严重影响学习绩效。由于失配问题的组合性质，现有方法通常是针对小型数据集和简单线性模型设计的，但不能扩展到大规模数据集和复杂模型。在本文中，我们首先提出了失配问题的新表述，该表述支持连续优化问题并允许基于梯度的方法。此外，我们开发了一种计算和内存有效的方法来处理复杂的数据和模型。对合成数据和真实世界数据的实证研究表明，所提出的算法比最先进的方法具有明显更好的性能。
Supervised learning scenarios, where labels and features are possibly mismatched, have been an emerging concern in machine learning applications. For example, researchers often need to align heterogeneous data from multiple resources to the same entities without a unique identifier in the socioeconomic study. Such a mismatch problem can significantly affect the learning performance if it is not appropriately addressed. Due to the combinatorial nature of the mismatch problem, existing methods are often designed for small datasets and simple linear models but are not scalable to large-scale datasets and complex models. In this paper, we first present a new formulation of the mismatch problem that supports continuous optimization problems and allows for gradient-based methods. Moreover, we develop a computation and memory efficient method to process complex data and models. Empirical studies on synthetic and real-world data show significantly better performance of the proposed algorithms than state-of-the-art methods.
登录
查看更多内容
DOI：
--
发表时间：
2017-05
期刊：
ArXiv
影响因子：
--
作者：
Daniel J. Hsu;K. Shi;Xiaorui Sun
通讯作者：
Daniel J. Hsu;K. Shi;Xiaorui Sun
计算机匹配的数据文件的回归分析
DOI：
--
发表时间：
1993
期刊：
影响因子：
--
作者：
F. Scheuren
通讯作者：
F. Scheuren
DOI：
10.1109/allerton.2016.7852261
发表时间：
2016-08
期刊：
2016 54th Annual Allerton Conference on Communication, Control, and Computing (Allerton)
影响因子：
--
作者：
A. Pananjady;M. Wainwright;T. Courtade
通讯作者：
A. Pananjady;M. Wainwright;T. Courtade
DOI：
10.1145/3394486.3403103
发表时间：
2019-01
期刊：
Proceedings of the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
影响因子：
--
作者：
J. Lyu;Shuai Zhang;Y. Qi;J. Xin
通讯作者：
J. Lyu;Shuai Zhang;Y. Qi;J. Xin
欧盟和东亚地区共同体 - 战后日本地区
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Akematsu;Yuji;Masatsugu Tsuji;関礼子;田中康雄;中沢道彦(共著);小林盾;藤田弘夫;山室信一;Yasuyuki Hamada;谷本雅之;松村正治;正高信男;村瀬嘉代子;宮城大蔵
通讯作者：
宮城大蔵