结合 MixMatch 与主动学习以更少标签获得更高精度
机器学习
2019-12-04 v2 机器学习
摘要
我们提出使用基于主动学习的技术来进一步改进最先进的半监督学习 MixMatch 算法。我们对若干主动学习与基线方法进行了详尽的实证评估，成功展示了在基准 CIFAR-10、CIFAR-100 和 SVHN 数据集上的显著提升（绝对精度最高达 1.5%）。我们还对逐步收集更多有标签与无标签数据的成本权衡进行了实证分析。该分析可用于衡量学习曲线不同节点处有标签/无标签数据的相对价值，我们发现尽管有标签数据的增量价值可高达无标签数据的 20 倍，但一旦观察到超过 2000 个有标签样本，该价值便迅速降至 3 倍以下。代码见 https://github.com/google-research/mma。
引用
@article{arxiv.1912.00594,
title = {Combining MixMatch and Active Learning for Better Accuracy with Fewer Labels},
author = {Shuang Song and David Berthelot and Afshin Rostamizadeh},
journal= {arXiv preprint arXiv:1912.00594},
year = {2019}
}