positive-unlabeled-learning

本文提出PUe，一种用于有偏正-无标记学习的框架，使用归一化倾向得分和归一化逆概率加权来处理选择偏差，在非均匀标签分布下改进分类性能。

本文介绍了 Evo-PU，一种正无标签学习框架，通过利用进化突变过程对蛋白质序列数据中的幸存者偏差进行建模。作者证明，在预测流感、RSV 和 SARS-CoV-2 的蛋白质功能方面，Evo-PU 优于标准的正无标签方法和蛋白质语言模型。