如何购买标签？基于主动学习市场的成本有效方法
机器学习
2026-02-11 v3 机器学习
摘要
我们提出并分析了主动学习市场作为购买标签的方式，适用于分析师希望获取额外数据以改进模型拟合或更好地训练预测分析应用中的模型的情况。这与众多现有的购买特征和示例的提议形成对比。通过将市场清算原初形式化为优化问题，我们将预算约束和改进阈值整合到标签获取过程中。我们关注单买家多卖家设置，提出使用两种主动学习策略（基于方差和基于查询委员会）配合不同定价机制的方案。它们与随机抽样和贪心背包启发式方法等基准方法进行了比较。该方案在两个关键应用领域的真实数据集上进行了验证：房地产定价和能源预测。结果表明，我们的方法具有鲁棒性，与常规方法相比，以更少的标签获取量始终实现了优异性能。我们的方案是一个易于实现的实用解决方案，可在资源受限的环境中优化数据获取。
引用
@article{arxiv.2511.20605,
title = {How to Purchase Labels? A Cost-Effective Approach Using Active Learning Markets},
author = {Xiwen Huang and Pierre Pinson},
journal= {arXiv preprint arXiv:2511.20605},
year = {2026}
}
备注
Accepted for publication in INFORMS Journal on Data Science (IJDS). This is the authors' preprint