基于图的半监督学习中的模型变化主动学习
机器学习
2024-11-18 v2 机器学习
摘要
半监督分类中的主动学习涉及为未标记数据引入额外标签，以提高底层分类器的准确性。一个挑战在于确定对哪些点进行标记，以在限制新标签数量的同时最大程度地提升性能。“模型变化”主动学习通过引入额外标签来量化分类器所发生的变化。我们将这一思想与基于图的半监督学习方法相结合，这些方法利用图拉普拉斯矩阵的谱，该谱可被截断以避免过高的计算和存储成本。我们考虑了一族凸损失函数，对于这些函数，采集函数可以通过后验分布的拉普拉斯近似来高效逼近。我们展示了多种多类别示例，证明了其性能优于先前的最先进方法。
引用
@article{arxiv.2110.07739,
title = {Model-Change Active Learning in Graph-Based Semi-Supervised Learning},
author = {Kevin Miller and Andrea L. Bertozzi},
journal= {arXiv preprint arXiv:2110.07739},
year = {2024}
}