用于删失回归的贝叶斯主动学习
机器学习
2024-02-20 v1 机器学习
摘要
贝叶斯主动学习基于信息论方法，侧重于最大化新观测值为模型参数提供的信息。这通常通过最大化贝叶斯主动学习不一致性 (BALD) 采集函数来实现。然而，我们指出，当新数据点受到删失（即仅观察到目标的截断值）时，估计 BALD 具有挑战性。为解决这一问题，我们推导了删失分布的熵和互信息，并推导了用于删失回归中主动学习的 BALD 目标 (-BALD)。我们提出了一种新的建模方法来估计 -BALD 目标，并将其用于删失设置下的主动学习。在广泛的数据集和模型上，我们证明了 -BALD 在删失回归中优于其他贝叶斯主动学习方法。
引用
@article{arxiv.2402.11973,
title = {Bayesian Active Learning for Censored Regression},
author = {Frederik Boe Hüttel and Christoffer Riis and Filipe Rodrigues and Francisco Câmara Pereira},
journal= {arXiv preprint arXiv:2402.11973},
year = {2024}
}