基于回归转分类的回归问题流式主动学习
机器学习
2023-12-18 v2
摘要
部署机器学习模型面临的挑战之一是模型性能随运行环境变化而退化。为维持性能，可采用流式主动学习：若某样本预测不确定性过高，则将其新标注样本加入训练集重新训练模型。尽管已有许多面向分类的流式主动学习方法，针对回归问题（工业领域常遇）的研究甚少。本文提出将回归转分类（regression-via-classification）框架用于回归的流式主动学习。该框架将回归问题转化为分类问题，使已有分类流式主动学习方法可直接用于回归。在四个真实数据集上的实验验证表明，所提方法在相同标注成本下可实现更高精度的回归。
引用
@article{arxiv.2309.01013,
title = {Streaming Active Learning for Regression Problems Using Regression via Classification},
author = {Shota Horiguchi and Kota Dohi and Yohei Kawaguchi},
journal= {arXiv preprint arXiv:2309.01013},
year = {2023}
}
备注
Accepted to ICASSP 2024