通过弃权的不可知主动学习中的指数级节省
机器学习
2022-04-19 v3 信息论
math.IT
统计理论
统计理论
摘要
我们表明，在基于池的主动分类中，若对底层分布不作假设，且赋予学习器对部分预测弃权的能力——代价略小于随机猜测平均损失 ——则每当在相应可实现问题中可能实现时，标注请求数量的指数级节省是可能的。我们将该结果推广，给出了在模型误设下基于池的主动分类中实现指数级节省的充要条件。
引用
@article{arxiv.2102.00451,
title = {Exponential Savings in Agnostic Active Learning through Abstention},
author = {Nikita Puchkin and Nikita Zhivotovskiy},
journal= {arXiv preprint arXiv:2102.00451},
year = {2022}
}
备注
31 pages, IEEE Transactions on Information Theory