关于版本空间搜索中主动学习度量的判别力与有效利用
机器学习
2017-09-26 v1
摘要
主动学习(AL)方法已在许多应用领域中证明相比被动监督方法节省成本。主动学习器旨在找到某个目标假设，向某种预言机制定顺序查询。与已回答查询一致的假设集合称为版本空间。已提出若干用于确定下一步最佳查询的查询选择度量(QSMs)。假设二值结果查询，我们分析了各种QSMs关于其在当前版本空间内所选查询的判别力。结果，我们推导了这些QSMs之间的优劣与等价关系，并引入了现有QSMs的改进版本以克服已识别的问题。所得图景提示在基于池的AL场景中应优先使用哪些QSMs。此外，我们推导出关于QSMs的最优查询必须满足的性质。基于此，我们展示了如何设计用于查询合成AL场景中最优查询的高效启发式搜索方法。
引用
@article{arxiv.1709.07899,
title = {On the Discrimination Power and Effective Utilization of Active Learning Measures in Version Space Search},
author = {Patrick Rodler},
journal= {arXiv preprint arXiv:1709.07899},
year = {2017}
}