APP下载

基于字典学习的PU分类算法研究

2021-03-19广东工业大学刘芷菁

电子世界 2021年3期
关键词:分类方法

广东工业大学 刘芷菁

本文主要提出了一种基于字典学习的正例无标记学习(Positive and Unlabeled learning,PU学习)的分类方法。在PU学习中引入字典学习以此来构建原始输入的新的特征表示,然后结合基于RankSVM的模型来优化分类器的性能。

在传统的二分类问题中,通常是利用正样本和负样本来训练分类器。但对于PU学习来说,则是利用正样本和未标记样本来训练一个二元分类器。如今,PU学习在机器学习中是一个热门的话题并且应用于多个领域,例如文档分类、文本分类和信息检索等。在文档分类问题中,用户通常会标记出他们所感兴趣的文档,以满足他们的需求,但不会关注他们不感兴趣的文档,这是用户常见的阅读习惯。因此,我们往往可以获得由用户标记的文档以及许多未标记的文档。我们可以利用这些已标记的样本和大量未标记的样本进行训练得到一个分类器,以此对样本进行预测。

尽管已经提出了很多方法来解决PU学习的分类问题,但大多数方法都是将原始特征作为算法的输入。众所周知,字典学习可以从原始的训练样本中构建出有效的特征表示,以此提高分类器的性能。我们可以将字典学习看成一种降维学习,即通过字典学习可以获得降维数据,并且字典学习总是尝试学习样本背后的最简单特征,从而获得样本有效的特征表示。因此,字典学习也被广泛应用于分类任务中。

1 研究内容

为了解决PU学习的分类问题,首先我们会从未标记样本中提取可靠的负样本来组成负样本集。……

登录APP查看全文

猜你喜欢

分类方法
分类算一算
垃圾分类的困惑你有吗
学习方法
教你一招:数的分类
用对方法才能瘦
四大方法 教你不再“坐以待病”!
赚钱方法
给塑料分分类吧
捕鱼