crazy_scott的博客

PU learning 经典论文。 本文主要考虑在SCAR假设下，证明了普通的分类器和PU分类器只相差一个常数，因此可以使用普通分类器的方法来估计p(s∣x)​p(s|x)​p(s∣x)​，进而得到p(y∣x)​p(y|x)​p(y∣x)​。同时提供了三种方法来估计这个常数，最后，还对先验p(y)​p(y)​p(y)​的估计提供了思路。 Learning a traditional class...

PU learning论文阅读。 本文从基本的分类损失出发，推导了PU的分类问题其实就是Cost-sensitive classification的形式，同时，通过实验证明了如果使用凸函数作为loss function，例如hinge loss会导致错误的分类边界（有bias），因此需要使用例如ramp loss之类的凹函数。同时，论文还对先验π\piπ存在偏差的情况进行了讨论，说明了如果样本中...

Unbiased PU learning. 该论文在之前PU learning中使用非凸函数作为loss的基础上，对正类样本和未标记样本使用不同的凸函数loss，从而将其转为凸优化问题。结果表明，该loss（double hinge loss）与非凸loss（ramp）精度几乎一致，但大大减少了计算量。 Introdution Background 论文首先强调了PU问题的重要性，举了几个例子...