【摘要】在许多实际问题中,待分类样本的标记是不确定的。本文研究的是机器学习中从有歧义的样本中进行学习的一个框架,即多示例学习。在多示例学习中,每一个样本被称做一个包,每个包可以含有任意数量个示例。如果包中包含一个或多个正示例,那么这个包就是正包；只有在包中所有的示例都是反示例的情况下,这个包才被称为反包。由于示例本身是没有标记的,因此,在多示例问题中,每一个正包都是一个有歧义的对象。正包中包含的大 […]