面向非贪心主动特征获取的获取条件预言机
机器学习
2023-02-28 v1
摘要
我们提出了主动特征获取(AFA)的新方法,AFA 研究如何按顺序获取动态的(基于每个实例的)特征子集,以最小化获取成本同时仍产生准确预测。AFA 框架在众多领域都有用,包括医疗应用,其中为患者获取额外特征的成本(时间、金钱、风险等)可与诊断性能的预期提升进行权衡。先前的 AFA 方法采用以下之一:深度学习 RL 技术,因稀疏奖励和复杂动作空间难以在 AFA MDP 中训练策略;深度学习替代生成模型,需要对复杂多维条件分布建模;或贪心策略,其未能考虑联合特征获取如何共同提供信息以得到更好预测。本工作中,我们展示可通过一种新颖的、基于非参数预言机的方法绕过诸多此类挑战,我们称之为获取条件预言机(ACO)。大量实验表明,在为特征获取用于预测和一般决策时,ACO 优于最先进的 AFA 方法。
引用
@article{arxiv.2302.13960,
title = {Acquisition Conditioned Oracle for Nongreedy Active Feature Acquisition},
author = {Michael Valancius and Max Lennon and Junier Oliva},
journal= {arXiv preprint arXiv:2302.13960},
year = {2023}
}