面向文本数据的信息规划
机器学习
2018-03-22 v3 机器学习
摘要
信息规划能够以更少的训练样本实现更快的学习。当训练样本获取代价高昂时尤为适用。本工作通过关注三个监督模型：朴素贝叶斯、监督 LDA 和深度神经网络，考察信息规划对于文本数据的优势。我们表明基于熵和互信息的规划优于随机选取基线，从而加速学习。
引用
@article{arxiv.1802.03360,
title = {Information Planning for Text Data},
author = {Vadim Smolyakov},
journal= {arXiv preprint arXiv:1802.03360},
year = {2018}
}