Multiple-instance learning
在机器学习中, 多示例学习 (MIL) 是由監督式學習演变而来的。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,当包中的所有示例都是负例时,这个包会被标注为负包。另一方面,当包中至少含有一个正例时,这个包会被标注为正包。当收到一系列被标注的包时,机器试着去:(1)归纳出一个类别概念以便正确标注个别示例。(2)在归纳之外学习怎样去标注一个包。 就图像分类举一个例子:给出一个图像,我们想要根据图像的画面内容来确定它的目标类别。比如,当图像同时包括了“沙子”和“水”时,图像的目标类别可能是“海滩”。在多示例学习中,图像被描述成一个包:, 其中每一个均是从图像中相应第i个区域中提取出来的特征向量(我们称之为示例),N是图像被分割出的区域(示例)个数。当图像包同时包含“沙子”区域示例和“水”区域示例时,这个包会被标注成正例(“海滩”)。 多示例学习这一名称最初是由)提出来的,但是类似更早的研究,有)的手写数字识别。 最近关于多示例学习的回顾文献包括了),对于不同的范式,它提供了一个广泛的回顾和比较研究。 还有),对于文献中不同的范式所提出的不同假设,它提供了一个全面的回顾。 运用多示例学习的几个例子: * 分子活性 * 钙调素结合蛋白结合位点的预测 * 对于选择性剪接异构体的预测作用 ),) * 图像分类) * 文本或文档分类 数不清的研究都在做着促使传统分类技术,诸如支持向量机或是提升方法,适应于多示例学习环境的工作。
- Is primary topic of
- Multiple-instance learning
- Label
- enMultiple-instance learning
- Link from a Wikipage to another Wikipage
- Category:Machine learning
- Multiple instance learning
- SameAs
- 4s3Mc
- m.03cszdd
- Q6934870
- Učenje z več primerki
- 多示例学习
- Subject
- Category:Machine learning
- WasDerivedFrom
- Multiple-instance learning?oldid=847187327&ns=0
- WikiPageLength
- 88
- Wikipage page ID
- 14082194
- Wikipage redirect
- Multiple instance learning
- Wikipage revision ID
- 847187327
- WikiPageUsesTemplate
- Template:R from merge