考虑主动与被动获取数据的差异：针对不平衡数据集的主动学习与支持向量机案例
机器学习
2014-09-18 v1 计算与语言
机器学习
摘要
主动采样数据可能具有与被动采样数据截然不同的特征。因此，在主动学习（AL）期间采用不同于被动学习（PL）的推断程序是很有前景的。本文针对使用成本加权支持向量机（SVM）处理不平衡数据的主动学习这一特定情况，详细探讨了这一总体思路，这种情况出现在许多人类语言技术（HLT）任务中。所提出的 InitPA 方法解决不平衡问题的核心思想是：在主动学习期间，基于通过小型无偏样本计算出的整体语料库不平衡估计来构建成本模型，而不是基于标记训练数据中的不平衡（后者是被动学习中采用的主要方法）。
引用
@article{arxiv.1409.4835,
title = {Taking into Account the Differences between Actively and Passively Acquired Data: The Case of Active Learning with Support Vector Machines for Imbalanced Datasets},
author = {Michael Bloodgood and K. Vijay-Shanker},
journal= {arXiv preprint arXiv:1409.4835},
year = {2014}
}
备注
4 pages, 5 figures; appeared in Proceedings of Human Language Technologies: The 2009 Annual Conference of the North American Chapter of the Association for Computational Linguistics, Companion Volume: Short Papers, pages 137-140, Boulder, Colorado, June 2009. Association for Computational Linguistics