[ICLR2022]PU learning（Positive and Unlabeled learning）任务的mixup方法

Mixup技术广泛适用于训练样本较少或监督信息不足场景，并在监督学习和半监督学习中展示了优越的性能。本文提出了一种适用于PU learning（Positive and Unlabeled learning）任务的mixup方法。本文基于“PU learning中分类决策面通常偏向于Positive类一侧”的现象，提出了“边缘伪负样本（marginal pseudo-negative instances）”的概念，这些样本很大概率上为正样本，却被标记为负的，从而导致PU learning的分类决策面偏离问题；据此，提出了面向PU learning的mixup技术的变体：mixup边缘伪负样本和分类决策面附近的正样本。多个数据集上的实验结果证明了本文提出的mixup方法的有效性。

https://openreview.net/forum?id=NH29920YEmj