UPAL：无偏池式主动学习
机器学习
2011-11-15 v2 人工智能
机器学习
摘要
本文针对池式主动学习问题，提出了一种名为 UPAL 的算法，该算法通过最小化给定假设空间中假设风险的无偏估计量来工作。对于线性分类器空间和平方损失，我们证明 UPAL 等价于一个指数加权平均预测器。利用近期关于随机矩阵谱的一些结果，我们得以在真实假设为线性假设时，确立 UPAL 的一致性。与 Vowpal Wabbit 中的主动学习器实现以及先前提出的池式主动学习器实现进行的实证比较，显示出良好的实证性能和更优的可扩展性。
引用
@article{arxiv.1111.1784,
title = {UPAL: Unbiased Pool Based Active Learning},
author = {Ravi Ganti and Alexander Gray},
journal= {arXiv preprint arXiv:1111.1784},
year = {2011}
}
备注
20 pages, 4 figures, 2 tables, a few minor typos were corrected