面向图中节点响应预测的元主动学习
机器学习
2020-10-13 v1 机器学习
摘要
元学习是在目标任务观测数量有限时提升机器学习性能的重要方法。然而，当观测非均衡获取时，即便使用元学习方法也难以提升性能。本文提出一种针对属性图中节点响应预测任务的元学习主动学习方法，通过选择待观测节点以尽可能少的观测节点数提升性能。该方法中，我们基于图卷积神经网络构建模型，同时用于预测节点响应与选择节点，从而即便对具有未观测响应变量的图也能预测响应并选择节点。响应预测模型通过最小化期望测试误差进行训练；节点选择模型通过强化学习最大化期望误差缩减进行训练。我们利用 11 类道路拥堵预测任务验证了所提方法的有效性。
引用
@article{arxiv.2010.05387,
title = {Meta-Active Learning for Node Response Prediction in Graphs},
author = {Tomoharu Iwata},
journal= {arXiv preprint arXiv:2010.05387},
year = {2020}
}