SoQal：主动学习中的选择性预言机询问
机器学习
2020-04-23 v1 机器学习
摘要
医疗领域大量未标记数据仍未得到充分利用。主动学习提供了一种利用这些数据集的方法，通过迭代地请求预言机（例如医疗专业人员）来标记实例。这一过程可能代价高昂且耗时，并过度依赖于预言机。为减轻此负担，我们提出 SoQal，一种动态确定何时应向预言机请求标签的询问策略。我们在五个公开可用数据集上进行实验，并展示了 SoQal 相对于基线方法的优越性，包括其将预言机标签请求减少多达 35% 的能力。SoQal 在存在标签噪声的情况下也具竞争力：该场景模拟了临床医生面对困难分类任务时的不确定诊断。
引用
@article{arxiv.2004.10468,
title = {SoQal: Selective Oracle Questioning in Active Learning},
author = {Dani Kiyasseh and Tingting Zhu and David A. Clifton},
journal= {arXiv preprint arXiv:2004.10468},
year = {2020}
}