×
姚树安;拉瓦，布拉德利;童欣;詹姆斯·加雷思

不完全监督下的非对称误差控制：一种标签噪声调整的Neyman-Pearson伞形算法。 （英语） Zbl 07751811号

美国统计协会。 118，第543号，1824-1836（2023）.
摘要：数据中的标签噪声一直是监督学习应用中的一个重要问题，因为它影响许多广泛使用的分类方法的有效性。最近，医学诊断和网络安全等重要的现实世界应用重新引起了人们对Neyman-Pearson（NP）分类范式的兴趣，该范式将更严重的错误类型（例如，I类错误）限制在一个优先级别下，同时将其他错误（例如，II类错误）最小化。然而，关于标记噪声下NP范式的研究却很少。令人惊讶的是，即使普通NP分类器在训练阶段忽略标签噪声，它们仍然能够以较高的概率控制I类错误。然而，他们付出的代价是I类错误过于保守，因此权力大幅下降（即1–II类错误）。假设领域专家提供了腐败严重程度的下限，我们提出了第一个理论支持的算法，该算法将最先进的分类方法应用于NP范式下的训练标签噪声。由此产生的分类器不仅将I类错误的概率控制在期望的水平下，而且还提高了功率。

引用于1文件

MSC公司：

62至XX 统计

关键词：

分类;标签噪声;奈曼-皮尔逊（NP）范式;I类错误;伞形算法

软件：

CIFAR公司;nproc公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Yao}等人，《美国统计协会期刊》118，第543号，1824-1836（2023年；Zbl 07751811）
全文： 内政部 arXiv公司

参考文献：

[1] 布兰查德，G。；弗拉斯卡，M。；Handy，G。；波齐，S。；Scott，C.，“非对称标签噪声的分类：一致性和最大去噪”，《电子统计杂志》，102780-2824（2016）·Zbl 1347.62106号 ·doi:10.1214/16-EJS1193
[2] Braddil，P。；Konolige，K.，机器学习、元推理和逻辑学（1990），马萨诸塞州波士顿：马萨诸塞州波士顿斯普林格
[3] 布罗德利，C.E。；Friedl，M.A.，“识别错误标记的训练数据，人工智能研究杂志，11，131-167（1999）·Zbl 0924.68158号 ·数字对象标识代码：10.1613/jair.606
[4] 布罗德利，C。；Friedl，M.，“识别错误标记的训练数据，人工智能研究杂志，11，131-167（1999）·Zbl 0924.68158号 ·电话：10.1613/jair.606
[5] 罐头，T.I。；范，Y。；Samworth，R.J.，“训练标签不完善的分类，生物特征，107，311-330（2020）·Zbl 1441.62165号 ·doi:10.1093/biomet/asaa011
[6] 坎农，A。；豪斯，J。；Hush，D。；Scovel，C.，“用内曼·皮尔逊和Min-Max标准学习”，02-2951（2002）
[7] 曹，J。；Kwong，S。；Wang，R.，“基于噪声检测的误标记数据AdaBoost算法，模式识别，454451-4465（2012）·Zbl 1248.68431号 ·doi:10.1016/j.patcog.2012.05.002
[8] Ghosh，A。；Manwani，N。；Sastry，P.，“使风险最小化容忍标签噪声，神经计算，160，93-107（2015）·doi:10.1016/j.neucom.2014.09.081
[9] 盖恩，I。；Matic，N。；Vapnik，V。；法耶兹，U.M。；Piatetsky-Shapiro，G。；Smyth，P。；Uthurusamy，R.，《知识发现和数据挖掘的进展，发现信息模式和数据清理》，181-203（1996），加利福尼亚州门罗公园：美国人工智能协会，加利福尼亚州门罗公园
[10] Hickey，R.J.，“噪声建模和评估示例学习，人工智能，82，157-179（1996）·Zbl 1506.68095号 ·doi:10.1016/0004-3702（94）00094-8
[11] 霍普金斯，M。；Reeber，E。；福尔曼，G。；Suermondt，J.，“Spambase数据集，Hewlett-Packard实验室，1（1999）
[12] Khardon，R。；Wachman，G.，“感知器算法的噪声容限变量”，《机器学习研究杂志》，8，227-248（2007）·Zbl 1222.68232号
[13] Krizhevsky，A.，《从微小图像中学习多层特征》（2009）
[14] Lachenbruch，P.A.，“初始样本分类错误时的判别分析，技术计量学，8657-662（1966）·doi:10.2307/1266637
[15] Lachenbruch，P.A.，“关于二次判别函数的初始误分类效应的注记，Technometrics，21229-132（1979）·Zbl 0399.62061号
[16] 刘，T。；Tao，D.，“通过重要性重加权对噪声标签进行分类，IEEE模式分析和机器智能汇刊，38，447-461（2016）·doi:10.1109/TPAMI.2015.2456899
[17] MacDonald，O.，《预防诊断错误的医生观点》（2011）
[18] Manwani，N。；Sastry，P.，“风险最小化下的噪声容限，IEEE控制论汇刊，43，1146-1151（2013）·doi:10.1109/TSMCB.2012.2223460
[19] Natarajan，N。；迪伦，I.S。；Ravikumar，P.K。；Tewari，A.，《使用噪音标签学习》，11196-1204（2013）
[20] 冈本，S。；Yugami，N.，“噪声域k-最近邻分类器的平均案例分析”，IJCAI，1238-245（1997）
[21] Orr，K.，“数据质量和系统理论，ACM通信，41，66-71（1998）·doi:10.1145/269012.269023
[22] Patrini，G。；Rozza，A。；Krishna Menon，A。；诺克·R。；Qu，L.，《使深层神经网络对标签噪声鲁棒：一种损失修正方法》，1944-1952（2017）
[23] Redman，T.，“数据质量差对典型企业的影响，ACM通信，279-82（1998）·doi:10.1145/269012.269025
[24] Rigollet，P。；Tong，X.，“Neyman-Pearson分类、凸性和随机约束，机器学习研究杂志，12，2831-2855（2011）·Zbl 1280.62080号
[25] 斯科特，C。；Nowak，R.，“Neyman-Pearson统计学习方法，IEEE信息理论汇刊，513806-3819（2005）·Zbl 1318.62054号 ·doi:10.1109/TIT.2005.856955
[26] 苏赫巴托，S。；Fergus，R.，用深度神经网络从噪声标签中学习，arXiv:1406.2080，2，4（2014）
[27] Tong，X.，“Neyman-Pearson分类的插件方法，机器学习研究杂志，14，3011-3040（2013）·Zbl 1318.62219号
[28] 唐，X。；Feng，Y。；Li，J.J.，“Neyman-Pearson分类算法和NP接收机操作特性，科学进展，4，eaao1659（2018）·doi:10.1126/sciadv.aao1659
[29] 唐，X。；夏，L。；Wang，J。；Feng，Y.，“内曼-皮尔逊分类：参数和样本量要求”，《机器学习研究杂志》，21，1-18（2020）·Zbl 1497.62159号
[30] 夏，X。；刘，T。；Wang，N。；Han，B。；龚，C。；牛，G。；Sugiyama，M.，“确定点在标签噪声学习中真的不可或缺吗？”，《神经信息处理系统的进展》，32，6838-6849（2019）
[31] 赵，A。；Feng，Y。；Wang，L。；Tong，X.，“高维设置下的Neyman-Pearson分类”，《机器学习研究杂志》，17，1-39（2016）·Zbl 1436.62297号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。