最小间隔主动学习
机器学习
2019-06-04 v1 人工智能
机器学习
摘要
我们提出一种新的主动采样方法，称为min-margin（最小间隔），该方法在自助样本上训练多个学习器，然后基于候选样本在自助模型中的最小间隔来选择待标注样本。这以源自模型不确定性的监督方式扩展了标准间隔采样，增加了其多样性。我们关注一次性批量主动学习设定，并通过理论以及在广泛问题上的大量实验表明，min-margin优于其他方法，尤其在批大小增大时。
引用
@article{arxiv.1906.00025,
title = {Minimum-Margin Active Learning},
author = {Heinrich Jiang and Maya Gupta},
journal= {arXiv preprint arXiv:1906.00025},
year = {2019}
}