来自不完美标注器的主动学习
机器学习
2016-11-01 v1 机器学习
摘要
我们研究主动学习，其中标注器不仅可能返回错误标签，还可能放弃标注。我们考虑标注器的不同噪声与弃标条件。我们提出一种利用弃标响应的算法，并在关于标注器噪声与弃标率的相当自然的假设下分析其统计一致性与查询复杂度。该算法具有自适应性，即对于信息更充分或噪声更小的标注器，它能自动请求更少的查询。我们将该算法与下界结合，表明在某些技术条件下，它实现了近乎最优的查询复杂度。
引用
@article{arxiv.1610.09730,
title = {Active Learning from Imperfect Labelers},
author = {Songbai Yan and Kamalika Chaudhuri and Tara Javidi},
journal= {arXiv preprint arXiv:1610.09730},
year = {2016}
}
备注
To appear in NIPS 2016