基于误差稳定性的主动学习停止准则
机器学习
2021-04-12 v2 机器学习
摘要
主动学习是一种通过自适应标注少量样本来提升预测性能的监督学习框架。为实现高效的主动学习，既要考虑决定下一个数据点的采集函数，也要考虑决定何时停止学习的停止准则。本研究提出一种基于误差稳定性的停止准则，该准则保证在加入新样本时泛化误差的变化受标注成本约束，并可应用于任意贝叶斯主动学习。我们证明了所提准则能在合适时机为多种学习模型和真实数据集停止主动学习。
引用
@article{arxiv.2104.01836,
title = {Stopping Criterion for Active Learning Based on Error Stability},
author = {Hideaki Ishibashi and Hideitsu Hino},
journal= {arXiv preprint arXiv:2104.01836},
year = {2021}
}