基于采样策略的主动学习算法研究进展

被引：33

作者：

吴伟宁

刘扬

郭茂祖

刘晓燕

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

来源：

计算机研究与发展 | 2012年 / 06期

基金：

中国博士后科学基金;

关键词：

机器学习; 主动学习; 采样策略; 标记代价; 样例选择;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

主动学习算法通过选择信息含量大的未标记样例交由专家进行标记,多次循环使分类器的正确率逐步提高,进而在标记总代价最小的情况下获得分类器的强泛化能力,这一技术引起了国内外研究人员的关注.侧重从采样策略的角度,详细介绍了主动学习中学习引擎和采样引擎的工作过程,总结了主动学习算法的理论研究成果,详细评述了主动学习的研究现状和发展动态.首先,针对采样策略选择样例的不同方式将主动学习算法划分为不同类型,进而,对基于不同采样策略的主动学习算法进行了深入地分析和比较,讨论了各种算法适用的应用领域及其优缺点.最后指出了存在的开放性问题和进一步的研究方向.

引用

页码：1162 / 1173

页数：12

共 14 条

[1] 选取最大可能预测错误样例的主动学习算法 [J].