随机批量获取：深度主动学习的一个简单基线
机器学习
2023-09-21 v3 机器学习
摘要
我们考察了一种简单的随机策略，用于将著名的单点获取函数改造为支持批量主动学习。与从池集中获取前 K 个点不同，基于分数或排名的采样考虑到了随着新数据的获取，获取分数会发生变化。这种改造标准单样本获取策略的简单方法甚至可以表现得与计算密集的最先进批量获取函数（如 BatchBALD 或 BADGE）一样好，同时使用的计算量少几个数量级。除了为机器学习从业者提供一个实用选项外，所提方法在广泛实验设置中令人惊讶的成功给该领域提出了一个难题：这些昂贵的批量获取方法究竟何时才物有所值？
引用
@article{arxiv.2106.12059,
title = {Stochastic Batch Acquisition: A Simple Baseline for Deep Active Learning},
author = {Andreas Kirsch and Sebastian Farquhar and Parmida Atighehchian and Andrew Jesson and Frederic Branchaud-Charron and Yarin Gal},
journal= {arXiv preprint arXiv:2106.12059},
year = {2023}
}
备注
TMLR Paper: https://openreview.net/forum?id=vcHwQyNBjW