主动学习在现代机器学习中的作用
机器学习
2025-08-04 v1
摘要
尽管主动学习 (AL) 被广泛研究，但在其自身科学文献之外的语境中很少被应用。我们认为，这是由于 AL 的高计算成本以及其在少数标记点情景下通常只能产生有限提升所致。本文研究了不同方法对抗低数据情景的影响，包括数据增强 (DA)、半监督学习 (SSL) 和 AL。我们发现 AL 是解决低数据问题的最不有效的方法，仅比随机抽样生成 1-4% 的提升，而 DA 和 SSL 方法可在与随机抽样结合时生成最高 60% 的提升。然而，当 AL 与强大的 DA 和 SSL 技术结合时，仍能提供改进。基于这些结果，我们将 AL 不作为解决缺失标签的方法，而是作为在应用适当的 DA 和 SSL 方法后，从数据中挖掘最后一点性能的构建模块。
引用
@article{arxiv.2508.00586,
title = {The Role of Active Learning in Modern Machine Learning},
author = {Thorben Werner and Lars Schmidt-Thieme and Vijaya Krishna Yalavarthi},
journal= {arXiv preprint arXiv:2508.00586},
year = {2025}
}