• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Acoustics, Speech and Signal Processing >Binary Classification Only from Unlabeled Data by Iterative Unlabeled-unlabeled Classification
【24h】

Binary Classification Only from Unlabeled Data by Iterative Unlabeled-unlabeled Classification

机译：仅通过迭代未标记-未标记分类从未标记数据中进行二进制分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Unlabeled-unlabeled (UU) classification (du Plessis et al. 2013) allows us to train a binary classifier from two sets of unlabeled data with different class priors. In this paper, we go beyond this scenario and try to train a binary classifier only from a single set of unlabeled data. Our key idea is to iteratively perform UU classification: We initially split the original single unlabeled dataset into two disjoint datasets and perform UU classification. We then split the original unlabeled dataset in a different way based on the obtained classifier, perform UU classification, and repeat this process until convergence. We numerically show that the classification accuracy tends to be improved over iterations. Finally, we apply our iterative UU classification method to a realworld drowsiness prediction problem and demonstrate its usefulness.
机译：未标记-未标记（UU）分类（du Plessis等人，2013年）使我们能够从具有不同类别先验的两组未标记数据中训练出一个二进制分类器。在本文中，我们超越了这种情况，尝试仅从一组未标记的数据中训练二进制分类器。我们的关键思想是迭代地执行UU分类：我们首先将原始的单个未标记数据集拆分为两个不相交的数据集，然后执行UU分类。然后，我们基于获得的分类器，以不同的方式拆分原始未标记的数据集，执行UU分类，然后重复此过程直至收敛。我们用数值方法显示分类精度会随着迭代次数的增加而提高。最后，我们将迭代的UU分类方法应用于现实的睡意预测问题，并证明其有用性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号