非随机缺失标签上的多重填充半监督学习
原文中文，约300字，阅读约需1分钟。发表于：。该论文提出了两种结合多重填补模型的新方法，以实现更高的准确性和更少的偏差，其中一种方法利用多个填补模型创建置信区间，并应用阈值来忽略低置信度的伪标签，另一种方法通过过滤不准确的数据和找到准确可靠的子集来减少偏差，在 MCAR 和 MNAR 情况下显示出高效，实验证明该方法在分类准确性和减少偏差方面优于现有方法。
该论文提出了两种结合多重填补模型的新方法，以提高准确性和减少偏差。一种方法利用多个填补模型创建置信区间，并通过阈值筛选低置信度的伪标签。另一种方法通过过滤不准确的数据和找到可靠的子集来减少偏差。实验证明该方法优于现有方法，具有更高的分类准确性和减少偏差的效果。
