Zeju Li

新的SEval框架提升AI在不平衡数据上的学习能力

研究人员开发了SEval，一个旨在提高半监督学习（SSL）在不平衡数据集上性能的新框架。现有的SSL方法在处理不平衡数据时常常遇到困难，导致伪标签偏差，从而加剧了多数类的优势。SEval通过推导理论上最优的伪标签，并从训练数据的类别平衡子集中学习伪标签细化和阈值调整参数来解决这一问题。实验表明，SEval在各种不平衡SSL场景中优于当前最先进的方法，提供了更准确、更可靠的伪标签。