Fraud analytics and machine learning for financial applications. KU Leuven
De meeste moderne machine learning-technieken vereisen voldoende grote gelabelde trainingsdata om goede prestaties te behalen. Echter, verschillende real-world toepassingen kampen met onvolledige labelinformatie, zoals aanbevelingssystemen, medische diagnose, bio-informatica en fraude detectie. Het erkennen van dit probleem van onvolledige labels heeft geleid tot meer aandacht voor weakly supervised learning. Deze dissertatie richt zich op de ...