多实例学习（MIL）

多实例学习（MIL）是一种机器学习方法，它的训练样本以包（bags）和示例（instances）的形式组成。包是由多个示例组成的，示例可以是像素、图像的patch等。在MIL中，包带有类别标签，而示例没有类别标签。MIL的目标是对新的包进行类别预测。MIL与监督学习和无监督学习之间有一些不同之处，因为用于训练分类器的示例没有类别标签，而包是有类别标签的。另外，MIL还有一个特殊的规则，即如果一个包中至少有一个示例被分类器判定为正类，则该包被认为是正包，如果一个包中所有示例都被分类器判定为负类，则该包被认为是负包。多示例学习自从被提出以来一直受到广泛研究，并有许多方法被应用在MIL中，如DD、EMDD、Citation-kNN、SVM、神经网络、条件随机场等。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [机器学习：多示例学习MIL](https://blog.csdn.net/weixin_41108334/article/details/83029582)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]