从群体中进行带成对比较的高效 PAC 学习
机器学习
2022-12-07 v4
摘要
我们研究阈值函数的众包 PAC 学习，其中标签收集自一个标注者池，其中部分标注者可能表现出对抗性行为。这仍是一个具有挑战性的问题，直到最近 Awasthi 等人（2017）才建立了计算与查询高效的 PAC 学习算法。在本文中，我们表明通过利用更易获取的成对比较查询，可以在保持整体查询复杂度和运行时间的同时，指数级地降低标签复杂度。我们的主要算法贡献是一个配备比较的标注方案，能够忠实恢复一小部分实例的真实标签；以及一个标签高效的过滤过程，该过程结合小规模已标注集合可可靠推断大规模实例集合的真实标签。
引用
@article{arxiv.2011.01104,
title = {Efficient PAC Learning from the Crowd with Pairwise Comparisons},
author = {Shiwei Zeng and Jie Shen},
journal= {arXiv preprint arXiv:2011.01104},
year = {2022}
}
备注
v3 proposes a simpler Filter algorithm, hence simpler analysis. v4 added more related works and was accepted to ICML 2022