다수 클래스의 편향
학습 자료의 클래스 분포가 불균형하면 무표지 자료의 의사 표지도 다수 클래스 쪽으로 치우칠 수 있다. 이런 표지를 활용한 학습은 클래스별 균형을 요구하는 평가에서 성능을 떨어뜨릴 수 있다.
부드러운 표지 정제
편향된 모형이 생성한 의사 표지를 정제하는 문제를 볼록 최적화로 표현한다. DARP는 이 문제를 효율적으로 풀도록 제안된 알고리즘으로 표지를 단순히 버리는 대신 조정하는 방향이다.
기존 학습과의 결합
원 연구는 여러 클래스 불균형 반지도 설정에서 정제의 효과를 평가했다. 새로운 분류기를 단독으로 제안하기보다 기존 반지도 학습 방식과 함께 사용할 수 있는지도 조사했다.
관련 문서
의사 표지 / 클래스 불균형 / 반지도 학습 / ReMixMatch / FreeMatch / SoftMatch