使用钟形曲线权重函数改进不确定性采样

通常，监督学习模型通过被动学习进行训练，即随机选择未标记的实例进行标注。这种方法对于学习模型是有效的，但在获取标记实例成本高昂的情况下可能代价很大。例如，在初始数据收集时，从涌入收件箱的数千封邮件（未标记实例）中手动识别垃圾邮件（标记实例）非常耗时。通常，我们通过不确定性采样来应对上述情况，这是一种主动学习方法，通过使用比被动学习更少的标记实例来提高监督学习的效率。给定一个未标记的数据池，不确定性采样会查询那些预测概率p落在不确定性区域（即p≈0.5）的实例的标签。新获取的标签随后被添加到现有的标记数据池中，以学习新的模型。然而，不确定性采样的性能容易受到不可预测响应区域（AUR）和数据集性质的影响。在没有新数据集先验知识的情况下，很难确定是使用被动学习还是不确定性采样。为了解决这个问题，我们提出了钟形曲线采样，它使用钟形曲线权重函数来获取新的标签。钟形曲线以p=0.5为中心，钟形曲线采样在大多数情况下会选择预测值在不确定性区域的实例，同时也不忽略其余部分。仿真结果表明，在大多数情况下，钟形曲线采样在不同性质和具有AUR的数据集上均优于不确定性采样和被动学习。