半空间的高效主动学习：一种激进方法

我们研究了基于池的半空间主动学习。我们重新审视了可实现情形下的主动学习激进方法，并表明该方法在合理假设下既高效实用又具有理论保证。我们进一步从理论和实验两方面表明，该方法可能优于温和方法。我们的半空间高效激进主动学习器具有形式化的近似保证，这些保证在池具有间隔可分性时成立。虽然我们的分析侧重于可实现设定，但我们表明一个简单的启发式方法允许将同一算法成功应用于低误差池。我们进一步比较了激进方法与温和方法，并证明了在某些情况下，激进方法相比温和方法能显著降低标记复杂度。实验表明，在可实现和低误差设定下，使用激进方法均可实现标记复杂度的大幅提升。