朴素贝叶斯分类器的预算学习
机器学习
2012-12-12 v1 机器学习
摘要
获取训练数据通常伴随着相关成本。我们考虑学习者在训练过程中受预算限制购买数据的情形。具体而言，我们考察了每个特征标签具有关联成本，且在训练期间获取的所有特征标签的总成本不得超过预算的情况。本文比较了在给定预算和朴素贝叶斯模型参数当前信念状态的情况下，选择下一个购买哪个特征标签的方法。虽然主动学习传统上专注于查询选择的短视（贪婪）策略，但本文提出了一种可处理的方法，将预算知识纳入决策过程，从而提高了性能。
引用
@article{arxiv.1212.2472,
title = {Budgeted Learning of Naive-Bayes Classifiers},
author = {Daniel J. Lizotte and Omid Madani and Russell Greiner},
journal= {arXiv preprint arXiv:1212.2472},
year = {2012}
}
备注
Appears in Proceedings of the Nineteenth Conference on Uncertainty in Artificial Intelligence (UAI2003)