PU-Learning

速读

论文：Learning From Positive and Unlabeled Data: A Survey

从方法上讲，主要有两种。

• two step: 先对数据用聚类或者任一相关算法分类（选出可信度高的neg案例），然后再放到任一分类网络里训练，然后再根据训练的结果分类未标记，再次训练，直到模型稳定或者loss较小。 基于可分性和连续性假设
• biased learning: 全部将未标注作为neg放到网络里训练。其中关键之处在于如何做数据均衡。有三种方法，a. 从阈值着手，b. 从正负样例权重着手 c. 从loss着手。 基于SCAR假设，个人理解为正负样例分布不重叠

应用：人群包，lookalike. 总的就是如何找到相似用户。