Sen(Qian)’s Memo

abs-puを開発。これはnnPUの式のmaxを絶対値に。 全体的な流れは、N in U in train, N in testが同分布という仮定。 まずはtrain同士でPU learningして、そこからp(y=-1|x)から比率で変換して、うまくUからN in Uを抽出する。 そして、test domainにあるデータとNUかPNU Learningする。

組成データ、Compositional Dataについての簡単な紹介あり。 普通のデータはLabel Smoothingで組成データに変換できる。ilr変換をするが、その時に使うのはHelmert行列。 分類だが、わざわざガウスモデルとかを使って、再帰問題に落とし込む。 再帰問題でガウスモデルを使うことをReweightingと言ってるが既存のReweightingとは違う。そのうえで、そのままでは性能不足なので、与えられたnoisyなラベルではなくパラメタの指数移動平均で作ったモデルの出力と、今のモデルの出力のMSEで誤差として計算する。