多示例学习（MultipleInstanceLearning,MIL）是由周志华教授等学者深入研究的一种机器学习范式。它主要解决传统监督学习中样本标签不明确的问题，特别适用于每个训练样本由多个实例组成且仅具有包级别标签的场景。在多示例学习中，训练数据被组织成多个“包”，每个包包含若干实例。若一个包中至少存在一个正例实例，则该包被标记为正；反之，只有当包中所有实例均为负例时，该包才被标记为负。这一框架在医学图像分析、药物活性预测、文本分类等领域具有广泛应用。周志华教授在该领域的贡献包括提出高效的多示例学习算法及理论分析，推动了弱监督学习的发展。他的相关工作为后续研究提供了重要基础，并促进了多示例学习在实际问题中的成功应用。
