OpenAL：主动学习策略的评估与解释
机器学习
2023-04-12 v1 人工智能
人机交互
摘要
尽管关于主动学习（Active Learning, AL）的文献浩如烟海，但目前尚无一个全面且开放的基准，能够高效、简便地比较所提出的采样器。此外，文献中实验设置的可变性使得选择采样策略变得困难，而由于 AL 实验的一次性性质，这一点至关重要。为应对这些局限，我们引入了 OpenAL，一个灵活且开源的框架，用于在一系列真实任务上轻松运行并比较 AL 采样策略。所提出的基准辅以可解释性度量和统计分析方法，以理解某些采样器在何时以及为何优于其他采样器。最后但同样重要的是，实践者可通过提交其自身的 AL 采样器轻松扩展该基准。
引用
@article{arxiv.2304.05246,
title = {OpenAL: Evaluation and Interpretation of Active Learning Strategies},
author = {W. Jonas and A. Abraham and L. Dreyfus-Schmidt},
journal= {arXiv preprint arXiv:2304.05246},
year = {2023}
}
备注
Published in NeurIPS 2022 Workshop on Human in the Loop Learning, 8 pages