Apprendimento automatico da una supervisione debole: Un approccio empirico di minimizzazione del rischio

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 3 voti.

Titolo originale:

Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach

Contenuto del libro:

Teoria fondamentale e algoritmi pratici di classificazione con supervisione debole, con un approccio basato sulla minimizzazione del rischio empirico.

Le tecniche standard di apprendimento automatico richiedono grandi quantità di dati etichettati per funzionare bene. Quando applichiamo l'apprendimento automatico a problemi del mondo fisico, tuttavia, è estremamente difficile raccogliere tali quantità di dati etichettati. Questo libro presenta la teoria e gli algoritmi per l'apprendimento debolmente supervisionato, un paradigma di apprendimento automatico da dati debolmente etichettati. Enfatizzando un approccio basato sulla minimizzazione empirica del rischio e attingendo allo stato dell'arte della ricerca sull'apprendimento debolmente supervisionato, il libro fornisce sia i fondamenti del campo sia le teorie matematiche avanzate che ne sono alla base. Può essere utilizzato come riferimento per professionisti e ricercatori e in classe.

Il libro formula innanzitutto matematicamente i problemi di classificazione, definisce le notazioni comuni e passa in rassegna vari algoritmi per la classificazione binaria e multiclasse supervisionata. Esplora poi i problemi di classificazione binaria debolmente supervisionata, tra cui la classificazione positiva-non etichettata (PU), la classificazione positiva-negativa-non etichettata (PNU) e la classificazione non etichettata-non etichettata (UU). Si passa poi alla classificazione multiclasse, discutendo la classificazione a etichette complementari (CL) e la classificazione a etichette parziali (PL). Infine, il libro affronta questioni più avanzate, tra cui una famiglia di metodi di correzione per migliorare le prestazioni di generalizzazione dell'apprendimento debolmente supervisionato e il problema della stima delle classi precedenti.