#paper https://doi.org/10.1214/23-AOAS1780 Ann. Appl. Stat. 2024 Bayesian multiple instance classification based on hierarchical probit regression 多示例学习（multiple instance learning）在药效预测，病理图像检测等领域有着广泛的应用，与常见的监督学习中每个实例有一个label不同，多示例学习中，不同的实例组成一个bag，每个bag有一个label，哪些实例是主要实例（primary instance）以及主要实例如何决定label是未知的。过去的多示例学习研究集中在计算机科学领域，着重预测。而统计推理以及模型可解释性的工作较少。这篇文章试图填补这部分空白。文章中提出了一种贝叶斯层次概率比回归模型（nested probit model），内层回归模型学习实例特征与主要实例之间的关系，外层回归模型学习主要实例与label之间的关系。相较其他模型，该参数模型在模拟数据和真实数据上的表现较具竞争力，同时能够提供更好的模型解释和更直观的统计推理。