高效且简约的不可知主动学习
机器学习
2016-01-08 v3 机器学习
摘要
我们开发了一种新的适用于流式设置的主动学习算法，该算法满足三个重要特性：1) 证明适用于任何分类器表示和分类问题，包括那些具有严重噪声的问题。2) 可利用经验风险最小化（ERM）预言机高效实现。3) 比所有满足前两个特性的先前方法更具侵略性。为此，我们基于一个新定义的优化问题创建了一个算法并对其进行了分析。我们还对所有高效的不可知主动学习算法进行了首次实验分析，评估了它们在不同设置下的优势和劣势。
引用
@article{arxiv.1506.08669,
title = {Efficient and Parsimonious Agnostic Active Learning},
author = {Tzu-Kuo Huang and Alekh Agarwal and Daniel J. Hsu and John Langford and Robert E. Schapire},
journal= {arXiv preprint arXiv:1506.08669},
year = {2016}
}