การเรียนรู้แบบมีผู้สอนพร้อมข้อมูลที่ไม่แน่นอน?

มีวิธีการที่มีอยู่สำหรับการใช้โมเดลการเรียนรู้แบบมีผู้สอนเข้ากับชุดข้อมูลที่ไม่แน่นอนหรือไม่? ตัวอย่างเช่นสมมติว่าเรามีชุดข้อมูลที่มีคลาส A และ B:

+----------+----------+-------+-----------+
| FeatureA | FeatureB | Label | Certainty |
+----------+----------+-------+-----------+
|        2 |        3 | A     | 50%       |
|        3 |        1 | B     | 80%       |
|        1 |        1 | A     | 100%      |
+----------+----------+-------+-----------+

เราจะฝึกโมเดลการเรียนรู้ของเครื่องได้อย่างไร? ขอบคุณ

ด้วยคุณภาพเชิงตัวเลขที่คุณกำหนดให้กับข้อมูลของคุณฉันคิดว่า "ความแน่นอน" นี้สามารถใช้เป็นน้ำหนักได้อย่างแน่นอน คะแนน "ความแน่นอน" ที่สูงขึ้นจะเพิ่มน้ำหนักที่ตัวเลขมีในฟังก์ชันการตัดสินใจซึ่งเหมาะสม

อัลกอริทึมการเรียนรู้แบบมีผู้สอนจำนวนมากรองรับน้ำหนักดังนั้นคุณเพียงแค่ต้องค้นหารุ่นถ่วงน้ำหนักของสิ่งที่คุณตั้งใจจะใช้

$1$$A$$0$$B$$0.6$$A$$A$$B$$0$$1$

$\log \frac{p(A|x)}{p(B|x)} = \log \frac{p(A|x)}{1-P(A|x)}$$\beta_0 + \beta_1^T x$$p(A|x)$$A$$\beta_0 + \beta_1^T x >0$$B$