众包模型中的错误率界

Hongwei Li; Bin Yu; Dengyong Zhou

众包模型中的错误率界

机器学习 2013-07-11 v1 机器学习应用统计

作者: Hongwei Li , Bin Yu , Dengyong Zhou

摘要

众包是解决许多对计算机而言具有挑战性任务的有效人力计算工具。在本文中，我们在 Dawid-Skene 众包模型下，为超平面二分类标记规则的错误率（概率意义下和期望意义下）提供了有限样本指数界。这些界可应用于分析许多常见的预测方法，包括多数投票和加权多数投票。这些界的结果可用于控制错误率并设计更好的算法。我们表明，对于任何超平面二分类标记规则，Oracle 最大后验（MAP）规则近似优化了平均错误率的上界，并提出了一种简单的数据驱动加权多数投票（WMV）规则（称为单步 WMV），该规则试图逼近 Oracle MAP 并在错误率上具有可证明的理论保证。此外，我们利用模拟数据和真实数据表明，数据驱动的 EM-MAP 规则是 Oracle MAP 规则的良好近似，并且数据驱动 EM-MAP 规则的平均错误率也受限于将估计参数代入界后得到的 Oracle MAP 规则的平均错误率界。

关键词

众包错误率界 Dawid-Skene 模型多数投票最大后验 EM 算法二分类标记

引用

@article{arxiv.1307.2674,
  title  = {Error Rate Bounds in Crowdsourcing Models},
  author = {Hongwei Li and Bin Yu and Dengyong Zhou},
  journal= {arXiv preprint arXiv:1307.2674},
  year   = {2013}
}

备注

13 pages, 3 figures, downloadable supplementary files

众包模型中的错误率界

摘要

关键词

引用

备注

相关论文