Multiple-instance learning 和 Multi-label classification

一、Multiple-instancelearning(MIL，多示例学习)

MIL是由监督学习的一个演变过来的，MIL的数据由一系列带有label的bags组成，每个bags中由很多instances（示例）,但每个bag中的instance不知道对应的label，在一个简单的二值分类的例子中（label={+1,-1}），如果一个bag中的所有instances对应的label均为-1时，则此bag的label=-1，如果一个bag的label=+1，则此bag中的所有instances至少有一个instance的label为+1。

MIL主要目的有：（1）归纳出单个instance对应的label。（2）通过对这些已标注的bag学习，尽可能准确地对新bag的label做出判断。

拿现在比较火的ImageCaptioning来说