| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-06-24 10:45 Positive-Unlabeled Learning with Non-Negative Risk Estimator ○Ryuichi Kiryo（Univ. of Tokyo/RIKEN）・Gang Niu（Univ. of Tokyo）・Masashi Sugiyama（RIKEN/Univ. of Tokyo）  IBISML2017-4 |
|
| 抄録 | （和） | From only emph{positive}~(P) and emph{unlabeled}~(U) data, a binary classifier can be trained with PU learning, in which the state of the art is emph{unbiased PU learning}. However, if its model is very flexible, its empirical risk on training data will go negative and we will suffer from serious overfitting. In this paper, we propose a emph{non-negative risk estimator} for PU learning. When being minimized, it is more robust against overfitting and thus we are able to train very flexible models given limited P data. Moreover, we analyze the emph{bias}, emph{consistency} and emph{mean-squared-error reduction} of the proposed risk estimator and the emph{estimation error} of the corresponding risk minimizer. Experiments show that the proposed risk estimator successfully fixes the overfitting problem of its unbiased counterparts. |
| （英） | From only emph{positive}~(P) and emph{unlabeled}~(U) data, a binary classifier can be trained with PU learning, in which the state of the art is emph{unbiased PU learning}. However, if its model is very flexible, its empirical risk on training data will go negative and we will suffer from serious overfitting. In this paper, we propose a emph{non-negative risk estimator} for PU learning. When being minimized, it is more robust against overfitting and thus we are able to train very flexible models given limited P data. Moreover, we analyze the emph{bias}, emph{consistency} and emph{mean-squared-error reduction} of the proposed risk estimator and the emph{estimation error} of the corresponding risk minimizer. Experiments show that the proposed risk estimator successfully fixes the overfitting problem of its unbiased counterparts. | |
| キーワード | （和） | 教師付き学習 / 分類問題 / PU学習 / / / / / |
| （英） | Supervised Learning / Classification / Positive-Unlabeled Learning / PU Learning / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 110, IBISML2017-4, pp. 63-70, 2017年6月. | |
| 資料番号 | IBISML2017-4 | |
| 発行日 | 2017-06-16 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2017-4 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO IBISML IPSJ-MPS |
| 開催期間 | 2017-06-23 - 2017-06-25 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| テーマ（和） | 機械学習によるバイオデータマインニング、一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-06-NC-BIO-IBISML-MPS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Positive-Unlabeled Learning with Non-Negative Risk Estimator |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 教師付き学習 / Supervised Learning |
| キーワード(2)（和/英） | 分類問題 / Classification |
| キーワード(3)（和/英） | PU学習 / Positive-Unlabeled Learning |
| キーワード(4)（和/英） | / PU Learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 木了 龍一 / Ryuichi Kiryo / キリョウ リュウイチ |
| 第1著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： Univ. of Tokyo/RIKEN) |
| 第2著者 氏名（和/英/ヨミ） | ニウ ガン / Gang Niu / ニウ ガン |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 杉山 将 / Masashi Sugiyama / スギヤマ マサシ |
| 第3著者 所属（和/英） | 理化学研究所/東京大学 (略称： 理研/東大) RIKEN/The University of Tokyo (略称： RIKEN/Univ. of Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-24 10:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2017-4 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.110 |
| ページ範囲 | pp.63-70 |
| ページ数 | 8 |
| 発行日 | 2017-06-16 (IBISML) |
[研究会発表申込システムのトップページに戻る]