1 简单认知

作为完全的新手，推荐先去维基百度看看多示例的简介，再去CSDN等地方阅读一些多示例的综述博客，有一个总体的认知：即多示例是一种处理称之为包的学习范式，每个包由多个对象组成，一个包对应一个标签，实例通常不含标签，如下图 (b)。

Tips：我主要讲分类，因为回归的大同小艺，当然我没有具体做。

2 学习伙伴

一般而言，综述性论文或者书籍是学习一个方向的好伙伴，这里推荐一本书：Multiple instance learning foundations and algorithms，其囊括了16年以前关于多示例学习的发展历程、应用领域、前沿算法、实验手段等，其封面如下：

温馨提示：本书原版收费，请自行寻找资源下载。如果它不起作用，私法会给我你的电子邮件地址，但我会发给你。

2.1 关于这本书的使用

主要用作说明书之类的，当然，如果你能在一个月内快速看完，无疑对你有很大的帮助。

2.2 不同方向的多示例方法

简单划分：

它主要分为两类。传统的方法是分析数据的结构，设计一套优化方法。目前主要研究基于embedding的方法，其他的词我会简单提一下。

2.2.1 基于实例的方法

看学习伙伴的书，很清楚。

2.2.2 基于包的方法

入门文章：Multi-instance learning by treating instances as non-I.I.D。samples
提示：不要直接看我的博客，自己看文章，以后再看。
进阶文章：Isolation set-kernel and its application to multi-instance learning
这篇文章提到了一个距离度量，但是它的后续处理方法是基于embedding的方法。当然，这更难阅读和跳过。

2.2.3 基于嵌入的方法

开山之作：Multi-instance clustering with applications to multi-instance prediction
进阶文章：Multi-instance learning with discriminative bag mapping

2.2.4 网络方法

在这种情况下，可以阅读传统的方法，也可以阅读具有多个示例的方法。推荐两篇文章：
注意力机制：Attention-based deep multiple instance learning
损失注意力：Loss-based attention for deep multiple instance learning

3 资源库

3.1 数据集

https://blog.csdn.net/weixin_44575152/article/details/104769348

3.2 代码

我的Github复现了一些，地址在本人置顶博客中，其他的自己找，一般都是开源，推荐自己先复现。

3.3 大佬主页

周志华老师：http://129.211.169.156/publication/index.html?authors=Zhi-Hua%20Zhou

4 论文阅读

将它们按顺序排列，并且您还需要记录每篇文章。建议每周至少有一篇文章。

4.1 摘要

先阅读这篇文章，并记下其他人的主要观点，例如背景、提出的问题、手段等。

4.2 算法

一般来说，介绍是吹牛，相关作品是对大哥的致敬。除了早期的理解和论文的写法，直接略过。
算法部分是文章的精髓，其中包含的一些技术甚至可以转化为自己学习的武器。尤其是在准备转载这篇文章的时候，更需要仔细研究。
小贴士：别人画的图需要自己学习，方便以后自己画的时候使用。

4.3 实验

重点记录别人的实验方法、实验数据、对比算法。

5 代码能力

推荐：精通Python和类似于C、C++这样的语言。
说明：Python方便实验、C等方便学习算法的思想。

5.1 书籍推荐

1）机器学习实战；
2）Pytorch中文教程。
当然这些的前提是你对python有一定的了解。

5.2 算法复现

尝试自己重现算法，这是您在后续实验中可能使用的。

6 学习路线图