Advertisement

多示例学习（Multi Instance Learning）和 弱监督学习（Weakly Supervised Learning）

阅读量：

目录

弱监督:

多示例学习：

弱监督:

1. 弱在缺标签：标签是不完全的，有的有标签，有的无标签

2. 弱在标签不准确：有的标签正确，有的标签错误

3. 弱在标签不精准： 标签不是在样本上，而是在更高层次上 包标签

多示例学习：

在多元示例学习中，我们关注的一种训练数据类型是带有明确标签的数据实例。这些实例只分为两类：正类和负类。在这里，默认情况下这些实例不是单独处理的而是被组合成一个称为'Bag'的数据结构。每个'Bag'实例都具有其独特的标签信息。如果某个'Bag'被标注为负，则其中所有的子项都被归类为此类别；如果某个'Bag'被标注为正（类似于异常检测中的异常情况），则该'Bag'中的至少一个子项被标注为此类别。

全部评论 (0)

还没有任何评论哟~

相关文章推荐

多示例学习（Multi Instance Learning）和 弱监督学习（Weakly Supervised Learning）

多示例学习

弱监督学习——A brief introduction to weakly supervised learning

Abriefintroductiontoweaklysupervisedlearning 分类 应用 常用方法 incompletesupervision activelearning semisup...

多示例学习（Multi-Instance Learning）

在机器学习中， 多示例学习 (MIL) 是由监督式学习演变而来的。相较于输入一系列被单独标注的示例，在多示例学习中，输入的是一系列被标注的“包”，每个“包”都包括许多示例。举一个二元分类的简单的例子，...

Supervised learning/ Unsupervised learning监督学习/无监督学习

[[机器学习]两种方法——监督学习和无监督学习（通俗理解）]

监督学习（Supervised Learning）的概念和示例

监督学习（SupervisedLearning）是机器学习领域中最基本和最重要的学习方式之一，主要用于预测和分类任务。在监督学习中，算法学习的是从输入数据到输出结果的映射关系，这个过程是通过一组已知输...

Supervised Learning （监督学习）与 Unsupervised Learning （非监督学习）

SupervisedLearning（监督学习） 对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低...

监督学习 (Supervised Learning)

1\.背景介绍 1.1机器学习的崛起 近年来，随着计算能力的提升和大数据的爆发式增长，机器学习技术得到了飞速发展，并在各个领域展现出惊人的应用价值。从图像识别、语音助手到自动驾驶、精准医疗，机器学习正...

监督学习 (Supervised Learning)

监督学习SupervisedLearning 作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming 1\.背景介绍 1.1问题的由来 监督学习（Superv...

监督学习 (Supervised Learning)

监督学习SupervisedLearning 作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming 关键词： 机器学习、监督学习、分类、回归、模型、特征工程...

知识蒸馏(Knowledge Distillation)、半监督学习(semi-supervised learning)以及弱监督学习(weak-supervised learning)

一.知识蒸馏 1.知识蒸馏 （1）首先，我先强调一下蒸馏学习其实本质是模型压缩！模型压缩！模型压缩！S模型有的精度高于T模型，有的低于T模型，但是可以很好地压缩网络体积。