multiclass-classification

本文提出了一种广义无分布半监督学习框架，通过线性组合组件风险构建无偏风险估计器，将PNU学习扩展到多类分类，同时实现更低方差并提供泛化界限。

本文介绍了Level-Constrained-Littlestone-Littlestone (LCLL)树，以刻画通用直推式在线分类中的可学习性，其中标签空间可能无界，并证明了最优错误率要么有界，要么呈对数增长。

本文刻画了多类分类中离散属性的近似属性校准，利用Lipschitz连续属性作为中介，将复杂度从类别数量降低到诱导复杂度维度。