多实例学习

在机器学习中，多实例学习（MIL）是监督学习的一种类型。学习者不是收到一组单独标记的实例，而是收到一组标记的包，每个包都包含许多实例。在多实例二元分类的简单案例中，如果一个包中的所有实例都是负面的，那么这个包就可能被标记为负面。另一方面，如果一个包中至少有一个实例是正面的，那么这个包就被标记为正面。从已标记的包的集合中，学习者试图(i)诱导一个概念，以正确标记单个实例，或者(ii)学习如何在不诱导概念的情况下标记包。Babenko（2008）给出了一个简单的MIL例子。想象一下，有几个人，他们每个人都有一个钥匙链，里面有几把钥匙。其中一些人能够进入某个房间，而一些人则不能。那么任务就是预测某把钥匙或某条钥匙链是否能让你进入那个房间。为了解决这个问题，我们需要找到所有"正面"钥匙链所共有的确切钥匙。如果我们能正确识别这把钥匙，我们也能正确地对整个钥匙链进行分类--如果它包含所需的钥匙，则为正，如果不包含，则为负。

根据训练数据的类型和变化，机器学习可以大致分为三个框架：监督学习、无监督学习和强化学习。多实例学习（MIL）属于监督学习框架，每个训练实例都有一个标签，要么是离散的，要么是实值的。多实例学习处理的是训练集中标签的不完全知识问题。更确切地说，在多实例学习中，训练集由标记的"袋"组成，每个袋都是未标记实例的集合。如果一个袋中至少有一个实例是正面的，那么这个袋就是正面的标签，如果其中所有的实例都是负面的，那么这个袋就是负面的标签。MIL的目标是预测新的、未见过的包的标签。历史上，Keeler等人在20世纪90年代初的工作中是xxx个探索MIL领域的人。实际的术语多实例学习是在20世纪90年代中期由Dietterich等人提出的，当时他们正在研究药物活动预测的问题。他们试图创建一个学习系统，通过分析已知分子的集合，预测新分子是否有资格制造某种药物。分子可以有许多可供选择的低能状态，但只有一个或其中一些有资格制造药物。问题的出现是因为科学家们只能确定分子是否合格，但他们无法准确地说出其低能量形状中的哪一种是负责的。解决这个问题的拟议方法之一是使用监督学习，并将合格分子的所有低能量形状视为积极的训练实例，而将不合格分子的所有低能量形状视为消极实例。Dietterich等人的研究表明，这种方法会有很高的假阳性噪声，因为所有的低能量形状都被误标为阳性，因此并不真正有用。

他们的方法是把每个分子看作是一个有标签的包，而该分子的所有替代性低能量形状是包中的实例，没有单独的标签。因此形成了多实例学习。Dietterich等人提出的多实例学习问题的解决方案是轴-平行矩形（APR）算法。它试图搜索由特征的结合所构建的适当的轴平行矩形。他们在Musk数据集上测试了该算法，该数据集是药物活性预测的具体测试数据，也是多实例学习中最常用的基准。APR算法取得了xxx的结果，但APR是在考虑了Musk数据后设计的。多实例学习的问题并不是药物发现所独有的。1998年，Maron和Ratan发现了多实例学习在机器视觉中场景分类的另一个应用，并设计了DiverseDensity框架。给定一个图像，一个实例被认为是一个或多个固定大小的子图像，而实例包被认为是整个图像。如果图像包含目标场景--例如瀑布--则被标记为正面，反之则为负面。多实例学习可以用来学习描述目标场景的子图像的属性。

给定一个图像，我们想根据它的视觉内容知道它的目标类别。