用概率标记数据学习理论

Question

是否有关于使用模糊/概率标记数据的理论？例如，是否可以对训练数据进行分类，而训练数据只能估计不同训练数据组的概率是否为真？

示例：

• 训练数据点 a1，a2 ：90％true
• 训练数据点 b2，b2 ：50％真实
• 训练数据点 c1，c2 ：30％true

并且您想知道新数据点 d 是真还是假（或者可能具有什么概率）？基于某些相似性度量与训练数据 a-c 。

Answer 1

听起来像古典贝叶斯问题，不是吗？

就像给定的鱼是90％的鲈鱼和50％的鲑鱼一样，没有任何额外的信息？

这将导致任何学习算法对A类进行分类，以最大限度地减少任何样本的错误。

Answer 2

例如聚类（GMM或示例）中的部分成员资格，其中每个数据点都有关于在每个类中放置概率的dirichlet分布。

或者“使用标签噪音学习”中的某些内容可以为您提供答案，大多数学习者理论上都期待清晰标记的数据，但是使用噪声标签背后有一些理论： Learning_with_Label_Noise

修改

不确定的证据或软证据。

对于模型p（x，y），我们有y'是关于y的软证据，哪个是计算p（x | y'）然后

p（x | y'）= sum_y p（x，y | y'）= sum_y p（x | y，y'）p（y | y'）= sum_y p（x | y）p（y | y'）的

其中，有证据证明p（y | y'）= dirac（y-y'）

的特殊情况