BriefGPT - AI 论文速递
·
非随机缺失标签上的多重填充半监督学习
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
- 该论文提出了两种结合多重填补模型的新方法。
- 第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。
- 第二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。
- 实验证明该方法在分类准确性和减少偏差方面优于现有方法。
- 该方法在 MCAR 和 MNAR 情况下显示出高效。
➡️
