来自众包的半验证 PAC 学习
机器学习
2023-05-22 v3 数据结构与算法
摘要
我们研究阈值函数的众包 PAC 学习问题。这是一个具有挑战性的问题，仅在近期才在假设有显著比例的工人是完美的这一条件下建立了查询高效算法。在本工作中，我们研究更具挑战性的情形：多数工人可能表现出对抗性行为，其余工人则表现为 Massart 噪声——这是对完美性假设的显著推广。我们表明，在 Charikar 等人（2017）的半验证模型下，我们（有限地）访问一个始终返回正确标注的可信 oracle，可以以可管理的标注查询量对底层假设类进行 PAC 学习。此外，我们表明通过更易获得的比较查询可大幅降低标注成本。与近期半验证或列表可解码学习的发展（其关键依赖于数据分布假设）不同，我们的 PAC 保证通过挖掘群体智慧而成立。
引用
@article{arxiv.2106.07080,
title = {Semi-verified PAC Learning from the Crowd},
author = {Shiwei Zeng and Jie Shen},
journal= {arXiv preprint arXiv:2106.07080},
year = {2023}
}
备注
v2 incorporates a simpler Filter algorithm, thus the technical assumption (in v1) is no longer needed. v2 also reorganizes and emphasizes new algorithm components. v3 polishes the writing and is accepted to AISTATS 2023