Multiple-Instanz-Lernen

Multiple Instance Learning (MIL) ist ein schwach überwachter Lernalgorithmus, bei dem die Trainingsdaten in Bags organisiert sind. Jeder Bag enthält eine Menge von Instanzen \( X = \{x_1, x_2, \ldots, x_M\} \), und jeder Bag hat ein einzelnes Label \( Y \in \{0, 1\} \). Der Algorithmus geht davon aus, dass jede Instanz innerhalb eines Bags ihr eigenes Label \( y_1, y_2, \ldots, y_M \) hat, diese Labels jedoch während des Trainingsprozesses unbekannt sind. Die Standardannahme des Multiple Instance Learnings besagt, dass wenn alle Instanzen in einem Bag negativ sind, der Bag ebenfalls negativ ist; wenn mindestens eine Instanz in dem Bag positiv ist, dann ist der Bag positiv. Dieser Algorithmus hat erhebliche Vorteile bei der Verarbeitung komplexer Datenstrukturen und ist insbesondere in Bereichen wie der medizinischen Bildklassifizierung anwendbar.