要旨：部分ラベル学習（PLL）に関するこれまでの研究は、各インスタンスが単一の正確で高価なラベルではなく、ラベルの束に関連付けられている場合でも、学習が可能であることを示しています。しかし、部分ラベルによる学習に必要な条件は依然として不明瞭であり、既存の PLL 手法は特定の状況でしか有効ではありません。本研究では、PLL が実現可能な設定を数理的に特徴付けます。さらに、PLL のための適応的最近傍アルゴリズムである PL A-kNN を提示します。これは一般的な状況で有効で、強力な性能保証を享受します。実験結果は、PL A-kNN が一般的な PLL シナリオで最先端の手法を上回ることができる、ということを裏付けています。
部分ラベルと適応的最近傍法による学習可能性
arXiv stat.ML / 2026/3/23
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は部分ラベル（PLL）を用いた学習がいつ可能であるかを数学的に特徴づけ、PLLが成功しうる条件を明らかにする。
- 本論文は PLL のための適応的最近傍アルゴリズム PLA-kNN を導入する。一般的な PLL 設定の下で広く機能し、強力な理論的保証を伴う。
- 実証的な実験に基づく広範な PLL シナリオにおいて、PLA-kNN は最先端の PLL 手法を上回ることが示されている。
- 本研究は理論分析と実証的検証を組み合わせ、PLL の適用範囲をニッチなケースを超えて拡大する。
