Learning from label proportions with pinball loss
Learning from label proportions with pinball loss
复制标题
从带有 pinball 损失的标签比例中学习
DOI：
10.1007/s13042-017-0708-2
复制
发表时间：
2017-08
影响因子：
5.6
通讯作者：
Zhiquan Qi
中科院分区：
文献类型：
--
作者：
Yong Shi;Limeng Cui;Zhensong Chen;Zhiquan Qi
标号比例学习是近年来引起广泛关注的一类新的学习问题。与著名的监督学习不同的是，它考虑了包中的实例，并使用每个包的标签比例而不是实例。由于获取实例标签并不总是可行的，它已被广泛应用于投票行为建模和垃圾邮件过滤等领域。然而，从标签的比例学习仍然受到很大的挑战，由于噪声的推断，不正确的划分袋等。在本文中，我们提出了一种新的学习标签的比例方法的基础上弹球损失，称为“pSVM-pin”，以解决上述问题。为了消除噪声的影响，引入弹球损失来生成有效的分类器。实验结果证明了pSVM-pin的精度与竞争的方法相比。
Learning from label proportions is a new kind of learning problem which has drawn much attention in recent years. Different from the well-known supervised learning, it considers instances in bags and uses the label proportion of each bag instead of instance. As obtaining the instance label is not always feasible, it has been widely used in areas like modeling voting behaviors and spam filtering. However, learning from label proportions still suffers great challenges due to the inference of noise, the improper partition of bags and so on. In this paper, we propose a novel learning from label proportions method based on pinball loss, called “pSVM-pin”, to address the above issues. The pinball loss is introduced to generate an effective classifier in order to eliminate the impact of noise. Experimental results prove the precision of pSVM-pin compared with competing methods.
登录
查看更多内容
DOI：
--
发表时间：
2010-06
期刊：
--
影响因子：
--
作者：
S. Rüping
通讯作者：
S. Rüping
DOI：
--
发表时间：
2011-10
期刊：
--
影响因子：
--
作者：
Sérgio Moro;Raul M. S. Laureano;P. Cortez
通讯作者：
Sérgio Moro;Raul M. S. Laureano;P. Cortez
DOI：
--
发表时间：
2013-06
期刊：
--
影响因子：
--
作者：
Felix X. Yu;Dong Liu;Sanjiv Kumar;Tony Jebara;Shih-Fu Chang
通讯作者：
Felix X. Yu;Dong Liu;Sanjiv Kumar;Tony Jebara;Shih-Fu Chang
影响因子：
3.7
作者：
J. Jurečková
通讯作者：
J. Jurečková
DOI：
10.1109/icdm.2007.50
发表时间：
2007-10
期刊：
Seventh IEEE International Conference on Data Mining (ICDM 2007)
影响因子：
--
作者：
D. Musicant;J. Christensen;Jamie F. Olson
通讯作者：
D. Musicant;J. Christensen;Jamie F. Olson