Learning from Label Proportion with Online Pseudo-Label Decision by Regret Minimization

要約

この論文では、ラベル比率から学習するための新規で効率的な方法 (LLP) を提案します。その目標は、バッグと呼ばれるインスタンス セットのクラス ラベル比率のみを使用して分類器をトレーニングすることです。
後悔を最小化するオンライン疑似ラベリング法に基づく新しい LLP 法を提案します。
以前の LLP 法とは対照的に、提案された方法はバッグ サイズが大きくても効果的に機能します。
いくつかのベンチマークデータセットを使用して、提案された方法の有効性を示します。

要約(オリジナル)

This paper proposes a novel and efficient method for Learning from Label Proportions (LLP), whose goal is to train a classifier only by using the class label proportions of instance sets, called bags. We propose a novel LLP method based on an online pseudo-labeling method with regret minimization. As opposed to the previous LLP methods, the proposed method effectively works even if the bag sizes are large. We demonstrate the effectiveness of the proposed method using some benchmark datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google