ALEVS：基于统计杠杆采样的主动学习
机器学习
2016-08-08 v1 机器学习
摘要
主动学习旨在通过选择有效查询，以比被动学习更少的标签请求获得高精度分类器。过去二十年中已发展出许多主动学习方法，它们基于未标记数据点的信息量或代表性来采样查询。在这项工作中，我们探索了一种基于统计杠杆得分的新型查询准则。矩阵中一行的统计杠杆得分是包含其（前几个）左奇异向量的矩阵的行范数平方，是衡量该行对矩阵影响力的指标。杠杆得分已被用于回归诊断中检测高影响点，并且最近被证明对数据分析和随机化低秩矩阵近似算法有用。我们探索了在主动学习中采样具有高统计杠杆得分的数据实例的表现。我们在几个二分类数据集上的实证比较表明，查询高杠杆点是一种有效策略。
引用
@article{arxiv.1507.04155,
title = {ALEVS: Active Learning by Statistical Leverage Sampling},
author = {Cem Orhan and Öznur Taştan},
journal= {arXiv preprint arXiv:1507.04155},
year = {2016}
}
备注
4 pages, presented as contributed talk in ICML 2015 Active Learning Workshop