有不确定数据的监督学习？

11

是否存在将监督学习模型应用于不确定数据集的现有方法？例如，假设我们有一个类别为A和B的数据集：

+----------+----------+-------+-----------+
| FeatureA | FeatureB | Label | Certainty |
+----------+----------+-------+-----------+
|        2 |        3 | A     | 50%       |
|        3 |        1 | B     | 80%       |
|        1 |        1 | A     | 100%      |
+----------+----------+-------+-----------+

我们如何在此基础上训练机器学习模型？谢谢。

machine-learning supervised-learning

— 超做
source

11

作为您归因于数据的数字质量，我认为这种“确定性”可以肯定地用作权重。较高的“确定性”分数会增加数据在决策功能上的权重，这很有意义。

许多监督学习算法都支持权重，因此您只需要找到要使用的权重的加权版本即可。

— 萤火虫
source

2

（+1）并且由于权重本质上倾向于充当点的“副本”，因此任何算法都可能会以这种方式（例如在OP示例中）传递[5,8,10]个副本这3分，反映了[50,80,100]％的确定性。（这绝对不是真正需要的，就好像原则上可以做到的那样，应该有相应的加权算法版本。）

— GeoMatt22

5

可以使用连续性的确定性值代替标签A或B，例如，对应于您确定为某些内容，对应于您确定为某些内容，对应于您确定的以及对应于您确定的某些内容“重40％肯定是。然后，建立一个模型，而不是根据您认为类或类的评分，而是根据您认为类或类的评分（在该评分基于>或<1/2来确定阈值）的情况下输出介于和之间的评分。这会将您的分类问题转变为回归问题（您必须将其作为阈值才能返回到分类器）。 $1$ $A$ $0$ $B$ $0.6$ $A$ $A$ $B$ $0$ $1$

例如，您可以将线性模型拟合为为（其中是上述确定性）。然后，当要测试的一些数据，将其插入模型，并输出标签如果和否则。 $\log \frac{p(A|x)}{p(B|x)} = \log \frac{p(A|x)}{1-P(A|x)}$ $\beta_0 + \beta_1^T x$ $p(A|x)$ $A$ $\beta_0 + \beta_1^T x >0$ $B$

— 蝙蝠侠
source

因此，如果您遇到多类分类问题，可以将目标设置为长度等于类数的向量吗？

— hyperdo

类别-1的数目（假设确定性总计为100％）；该示例类似于逻辑回归。许多分类器会产生分数（例如，某些模型下p（class | data）的估计值）。所有这些答案提出的是，与其直接预测类别，不如将确定性视为得分，并对其进行预测。然后，对分数进行处理。

— 蝙蝠侠