FIRAL：用于多项逻辑回归的主动学习算法
机器学习
2024-09-12 v1 计算机视觉与模式识别
摘要
我们研究了基于池数据的主动学习理论和算法，用于采用多项逻辑回归进行多类分类。通过有限样本分析，我们证明了Fisher 信息比率(FIR)的下界和上界刻画了剩余风险。基于我们的理论分析，我们提出了一个采用风险最小化来最小化FIR的主动学习算法。为验证我们推导出的剩余风险界限，我们在合成数据集上进行了实验。此外，我们将FIRAL与另外五种方法进行比较，发现我们的方案在多类逻辑回归设置下表现更佳：通过在MNIST、CIFAR-10和50类ImageNet上的实验，证明了其持续产生最小分类误差的能力。
关键词
引用
@article{arxiv.2409.07379,
title = {FIRAL: An Active Learning Algorithm for Multinomial Logistic Regression},
author = {Youguang Chen and George Biros},
journal= {arXiv preprint arXiv:2409.07379},
year = {2024}
}
备注
Accepted at the 37th Conference on Neural Information Processing Systems (NeurIPS 2023)