ラベルノイズを伴う分類に向けた、モデル非依存の情報伝達と融合

概要: ラベルノイズは、現代の機械学習における根本的な課題であり、特に大規模データセットが自動化されたプロセスによって生成される場合に顕著です。医療画像のような領域において、ますます一般的かつ重要になってきているデータのパラダイムとして、大きなデータセットに対して粗くノイズのあるラベルを用い、それに加えて少量の専門家によって検証されたクリーンなデータセットを補助することによって学習する、というものがあります。この設定は、典型的な情報伝達と融合の問題を構成します。しかし、ノイズデータとクリーンデータの間に存在する大きな分布シフトは、既存の統計的転移学習手法における中核となる「全体としてのパラメトリックな類似性」の仮定を破ってしまいます。また、手法がパラメトリックモデルに依存している点も、画像のような複雑なデータには適していません。これらの制約に対処するため、本論文ではラベルノイズを伴う分類に対して、汎用的なモデル非依存（model-agnostic）のノンパラメトリック枠組みを提案します。この枠組みは、幅広いクラスの分類器に適用可能です。本手法は、小さなクリーンデータセットを用いて大きなノイズデータセットを「浄化（purify）」し、残された曖昧なサンプルを慎重に取り扱います。この枠組みは、厳密な統計理論によって支えられています。その実証的な性能は、シミュレーションと、肺炎診断のための医療画像解析という実世界の応用によって示されます。