基于图上的多类主动学习拍卖动力学 MALADY
机器学习
2025-04-17 v3 计算机科学与博弈论
最优化与控制
摘要
主动学习通过仔细选择有限数量的未标记数据点来提高机器学习方法的性能，尤其是在半监督情况下，以提高底层分类器的性能。本文我们引入了基于图的拍卖动力学多类主动学习（MALADY）框架，利用拍卖动力学算法在相似图上实现高效主动学习。特别是，我们将图上的拍卖动力学算法用于半监督学习 [24] 以一般化优化泛函。此外，我们引入了一种新的主动学习获取函数，该函数使用拍卖算法的对偶变量来衡量分类器的不确定性，以优先查询不同类别之间决策边界附近的查询。最后，通过在分类任务上进行实验，我们评估了所提出方法的性能，并显示其超过了比较算法。
引用
@article{arxiv.2409.09475,
title = {MALADY: Multiclass Active Learning with Auction Dynamics on Graphs},
author = {Gokul Bhusal and Kevin Miller and Ekaterina Merkurjev},
journal= {arXiv preprint arXiv:2409.09475},
year = {2025}
}