arrow
返回

Focused PU learning from imbalanced data

delete2026-09-21
delete0
delete
OA
AI
E
Elias Zavitsanos *
Γ
Γεώργιος Παλιούρας
DOI:10.1007/s10618-026-01264-1delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
我们提出了一种在高度不平衡数据集中从正例和未标记(PU)样本中学习的新方法。许多现实世界问题,如疾病基因识别、目标营销、欺诈检测和推荐系统,由于标注数据有限,难以用机器学习方法解决。通常训练数据包含正例和未标记实例,后者通常由负例主导,但也包括一些正例。虽然PU学习已得到广泛研究,但鲜有方法针对不平衡设置或难以检测的、与负例相似的难分正例。我们的方法采用聚焦的经验风险估计器,结合正例和未标记样本来训练二分类器。经验评估表明,该方法在两种标注机制——完全随机选择正例(SCAR)和随机选择(SAR)下,在不平衡数据集上实现了最先进的性能。除这些受控实验外,我们还展示了该方法在金融错报检测这一现实世界应用中的价值。
Keyword:
PU learning
Imbalanced classification
Weakly supervised learning
Learning with noisy labels
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Data Mining and Knowledge Discovery 封面图
Data Mining and Knowledge Discovery
IF:
4.3
论文数:
210
被引数:
6.0K

机构

I
Institute of Informatics and Telecommunications
学者数:
9
论文数: 5
被引数: 59
引用论文

引用论文

Calibrating TabTransformer for financial misstatement detection
err2024-11-18
err0
PREAI
errZavitsanos, Elias; Kelesis, Dimitrios; Paliouras, Georgios
err分享
err收藏
Predicting Material Accounting Misstatements预测重大会计错报
err2011-01-27
err1.1K
PREAI
errDechow, Patricia M.; Ge, Weili; Larson, Chad R.; Sloan, Richard G.
err分享
err收藏
err分享
err收藏
Who Blows the Whistle on Corporate Fraud?谁吹响了公司欺诈的哨子?
err2010-11-09
err1.1K
errOAAI
errDyck, Alexander; Morse, Adair; Zingales, Luigi
err分享
err收藏
Semi-supervised learning of class balance under class-prior change by distribution matching
err2014-02-01
err59
errOAAI
errdu Plessis, Marthinus Christoffel; Sugiyama, Masashi
err分享
err收藏
Detecting Management Fraud in Public Companies
err2010-07-01
err0
PREAI
errMark Cecchini; Haldun Aytug; Gary J. Koehler; Praveen Pathak
err分享
err收藏
学者 查看更多内容