主动学习步骤
- 首先需要做的是选取此数据的少量子样本,对它进行手动标记。
- 一旦有了少量标记数据,就需要对模型进行训练。该模型当然不会很好,但是它将帮助我们了解参数空间的哪些区域需要首先标记以对其进行改进。
- 训练模型后,该模型将用于预测每个剩余的未标记数据点的类别。
- 基于模型的预测,在每个未标记的数据点上选择一个分数。在下一个小节中,我们会介绍一些可能经常用到的分数。
- 一旦选择了最佳方法来决定标准顺序,就可以反复重复此过程:可以在已基于优先级评分进行标注的新数据集上训练新模型。一旦在数据子集上训练了新模型,即可将该模型遍历未标记的数据点以更新优先级评分,然后继续标记。这样,随着模型变得越来越好,人们可以不断优化标注策略
最小置信度
这可能是最简单的方法。对于每个数据点的选择概率的最大值,并将其从小到大进行排序。使用最小置信度进行优先排序的实际表达式为: