Onion Universe Algorithm: Applications in Weakly Supervised Learning

要約

アンサンブル学習における新しい分類方法である Onion Universe Algorithm (OUA) を紹介します。
特に、弱教師あり学習のラベル モデルとしての適用可能性を示します。
OUA は、データまたは弱い信号に対する最小限の仮定により実装を簡素化します。
このモデルは、完全にラベル付けされたデータが利用できないシナリオに適しています。
私たちの方法は、弱い信号が広がる空間の幾何学的解釈に基づいて構築されています。
一般的な弱い信号セットの基礎となる高次元の凸包構造の分析により、ジオメトリと機械学習の橋渡しが行われます。
経験的な結果は、OUA が実際にうまく機能し、弱教師あり学習の最適な既存のラベル モデルと同等であることも示しています。

要約(オリジナル)

We introduce Onion Universe Algorithm (OUA), a novel classification method in ensemble learning. In particular, we show its applicability as a label model for weakly supervised learning. OUA offers simplicity in implementation with minimal assumptions on the data or weak signals. The model is well suited for scenarios where fully labeled data is not available. Our method is built upon geometrical interpretation of the space spanned by weak signals. Our analysis of the high dimensional convex hull structure underlying general set of weak signals bridges geometry with machine learning. Empirical results also demonstrate that OUA works well in practice and compares favorably to best existing label models for weakly supervised learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google