杨小浩浩的博客

背景

本文介绍主动学习Active Learning中的第二种query selection framework —— 通过假设空间搜索Searching Through the Hypothesis Space，其主要思想是利用缩小版本空间找到需要的query instance。文章目录版本空间 The Version Space通过搜索版本空间进行不确定度采样 Uncertainty Sampling as Version Space Search通过分歧查询 Query by Disagreement通过

本文介绍主动学习Active Learning中的第一种query selection framework—— 不确定度采样Uncertainty Sampling。

研究背景传统的机器学习（Machine Leaning）任务，特别是有监督学习任务为取得良好的性能，通常需要在成百上千的**有标记数据（labeled data）**上训练。然而，在现实生活中的很多应用，为得到有标记数据，是一个困难的（difficult）、耗时的（time-consuming）、昂贵（expensive）的过程。幸运的是，在当今这个数据井喷的时代，有大量的未标记的数据（unlabeled data），而这些数据往往更容易获得。在此背景下，为了更好地利用大量的无标记数据，我们提出主动

写在最前面：由于笔者实验室的要求，最近开始看了和主动学习(Active Learning)相关的知识，遂在这里与各位分享，希望可以在一定程度上帮助到大家。由于初次接触Markdown格式的文本输入，可能有些地方显示不够清晰明了，请多见谅。笔者主要参考资料是系列丛书《SYNTHESIS LECTURES ON ARTIFICIAL INTELLIGENCE AND MACHINE LEARNI...