基于委员会查询与最近超平面选择的支持向量机主动学习算法比较
机器学习
2018-05-18 v2 计算与语言
信息检索
机器学习
摘要
本文研究并评估了用于不平衡数据集的支持向量机主动学习算法，这类数据集常见于信息抽取等诸多应用中。基于最近超平面选择与基于委员会查询选择的算法，与针对不平衡问题的方法（如基于初始随机样本流行率统计的正类放大）相结合。我们提出三种算法（ClosestPA、QBagPA 和 QBoostPA）并在文本分类与关系抽取数据集上进行了细致评估。结果表明，ClosestPA 算法在多种方式下始终优于另外两种，并给出了造成此现象的原因分析。
引用
@article{arxiv.1801.07875,
title = {Support Vector Machine Active Learning Algorithms with Query-by-Committee versus Closest-to-Hyperplane Selection},
author = {Michael Bloodgood},
journal= {arXiv preprint arXiv:1801.07875},
year = {2018}
}
备注
8 pages, 7 figures, 3 tables; published in Proceedings of the IEEE 12th International Conference on Semantic Computing (ICSC 2018), Laguna Hills, CA, USA, pages 148-155, January 2018