不平衡分类场景下的冷启动主动学习策略
机器学习
2022-01-26 v1
摘要
我们提出专门的主动学习策略，致力于解决冷启动阶段，即在没有附加标签的大量数据上初始化分类的问题。此外，所提策略设计用于处理不平衡场景，其中随机选择效率极低。具体而言，我们的主动学习迭代利用元素分数处理标签稀缺与不平衡，将聚类结构提取的信息与标签传播模型相结合。该策略通过在真实洪水事件证词相关的 Twitter 内容标注案例研究中得以说明。我们展示了我们的方法通过提升少数类样本的召回率，有效应对类不平衡。
引用
@article{arxiv.2201.10227,
title = {Cold Start Active Learning Strategies in the Context of Imbalanced Classification},
author = {Etienne Brangbour and Pierrick Bruneau and Thomas Tamisier and Stéphane Marchand-Maillet},
journal= {arXiv preprint arXiv:2201.10227},
year = {2022}
}
备注
13 pages, submitted to PAKDD 2021, eventually rejected