Active Learning主动学习

最新推荐文章于 2024-06-14 10:32:25 发布
最新推荐文章于 2024-06-14 10:32:25 发布
阅读量1.6k 收藏 4
点赞数
分类专栏： 机器学习 文章标签： Active Learning
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/suoyan1539/article/details/79593901
版权
主动学习是应对有类标签数据稀缺的一种方法，通过让算法选择最具信息量的样本进行人工标注，以提高模型精度。其关键在于找到模型最可能出错的样本。主动学习通常包括初始化和循环查询阶段，不断迭代提升分类器性能。常见的主动学习策略有Uncertainty Sampling、Query-By-Committee和Expected-Error-Reduction。
摘要由CSDN通过智能技术生成

主动学习（Active Learning）
在某些情况下，没有类标签的数据相当丰富而有类标签的数据相当稀少，并且人工对数据进行标记的成本又相当高昂。在这种情况下，我们可以让学习算法主动地提出要对哪些数据进行标注，之后我们要将这些数据送到砖家那里让他们进行标注，再将这些数据加入到训练样本集中对算法进行训练，提高模型的精确度。这一过程叫做主动学习。

主动学习那些比较难的，信息量大的样本。而这些样本是基于模型预测不确定性而选择的，或者在总体预测发散，这些方法的关键点就是找到当前模型最可能出错的样本，这样在标记和加入到训练数据集之后，模型对于不可见数据上的这些错误变得更加有效而快速。使得更小的子集来达到模型最理想的性能。

AL基本构成

五个组件进行建模
A=(C,L,S,Q,U)
其中 C 为一个或一组分类器；L 为一组已标注的训练样本集；Q为查询函数,用于在未标注的样本中查询信息量大的样本；U 为整个未标注样本集；S 为督导者，可以对未标注样本进行标注。

AL算法主要分为两阶段

  1. 初始化阶段，随机从未标注样本中选取小部分，由督导者标注，作为训练集 建立初始分类器模型；

  2. 循环查询阶段，S从未标注样本集 U中,按照某种查询标准 Q，选取一定的未标注样本进行标注,并加到训练样本集 L 中,

    重新训练分类器，直至达到训练停止标准为止。

最低0.47元/天 解锁文章
小明的梦想
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Active learning 主动学习
data+scenario+science+insight
05-22 146
Active learning 主动学习 active learning vs passive learning: 为了尽可能地减小训练集及标注成本，在机器学习领域中，提出主动学习（active learning）方法，优化分类模型。 主动学习(active learning)，指的是这样一种学习方法：有的时候，有类标的数据比较稀少而没有类标的数据是相当丰富的，但是对数据进行人工标注又非常昂贵，这时候，学习算法可以主动地提出一些标注请求，将一些经过筛选的数据提交给专家进行标注。 .
【深度学习】高效主动学习（Active Learning）的步骤和技巧
光剑书架上的书
07-06 2171
随着深度学习技术的快速发展，人工智能领域也迎来了前所未有的挑战和机遇。在机器学习和深度学习算法中，主动学习（Active Learning）是一种非常有效的策略，可以帮助我们自动从大量的数据中提取有用的信息，从而提高模型的性能。主动学习的基本原理是通过使用一个概率分布来描述数据的稀疏性，然后根据概率分布来选择有用的数据。根据问题的特点，定义一个概率分布函数，通常使用高斯分布或者近似高斯分布。定义一个有用的数据集合，并计算出该数据集合的概率密度函数（PDF）。
Active-Learning
03-06
主动学习（Python） 如今，获取未标记的数据已经非常简单。 但是，获取标记数据确实是非常困难的任务。 主动学习是一个这样的框架，当您的数据有限而又需要更高的模型准确性时，该框架将为您提供帮助。 智能查询以识别信息最多的实例是主动学习的基本原理。 建立任何主动学习模型的关键因素是我们选择的确定性度量和我们应用的查询策略。 查询策略： 1.不确定性抽样 任何活跃的学习者在看到一组未标记的示例后，都会提取出最有用的示例，并提供相同的示例以进行标记。 首先，为每个示例计算衡量预测的有用性，然后根据有用性进行决策。 分类不确定性，分类余量和分类熵是modAL文档中针对基于主动学习池的采样和基于流的采样的三种内置度量，这是可以将实例发送到查询以评估度量有用性的不同方式。 基于池的采样 下面的示例使用基于池的采样展示了Active学习者在fetch_covtype数据集上的应用。 此处，与未标记数
[Machine Learning] Active Learning
weixin_34055787的博客
05-21 216
1. 写在前面 　　在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下： 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一...
【数学】什么是最大似然估计？如何求解最大似然估计
最新发布
q742971636的博客
06-14 1542
其核心思想是：给定一个观测数据集，找到一组参数，使得在这些参数下观测到当前数据的可能性（似然）最大。例如，在医学研究中，科学家常常需要估计某种疾病的发病率。假设有一个新的传染病，研究人员需要估计其传播率（即，传染给某人的概率）。他们收集了若干病例数据，通过最大似然估计，可以得到传播率的最优估计，从而帮助制定防控策略。最大似然估计同样可以应用于金融领域，比如估计股票的收益率和风险；在机器学习中，用于训练模型的参数，如线性回归中的回归系数等。分别求导并令其等于零，可以得到参数的估计值。的概率分布，观测数据为。
主动学习（active learning）
qq_46458188的博客
06-10 1721
主动学习
Active Learning 主动学习
xiaopihaierletian的博客
11-08 1728
最近读了一篇paper，题目是An MRF Model-Based Active Learning Framework for the Spectral-Spatial Classification of Hyperspectral Imagery。（题目这么长我也不想的......）这篇文章主要说了马尔科夫随机场还有active learning (AL)结合的问题。刚开始让给我学习AL的时候我
Active learning(主动学习)
haimengao的专栏
07-08 2530
主动学习假设： 1、AL implicitly assumes that a large pool of unlabeled documents is available and that querying this pool is cheap compared to labeling since the latter tak es a human expert’s time
主动学习（Active Learning）
baidu_41797613的博客
11-17 2588
主动学习1、定义2、步骤3、分类3.1 Membership Query Synthesis3.2 Stream-Based Selective Sampling3.3 Pool-Based Sampling4、Query Strategy Frameworks4.1 Uncertainty Sampling4.1.1 least confident4.1.2 Margin Sampling4.1.3 Entropy4.2 Query-By-Committee4.2.1 Vote Entropy（投票熵）
Active learning 主动学习的来世今生
Jinpeijie217的博客
06-15 5515
Active learning Survey主动学习的来世今生核心思想：主动学习可以基于较少的已标注的数据量得到同样好的模型准确率。在几乎所有的机器学习问题中，虽然未标注数据很丰富且易于获得，但是标注数据却很少或者需要大量的人工标注（成本问题）。所以主动学习是解决问题的核心方法之一。这篇文章提供了一个主动学习详细的介绍和相关文献的总结。主要包括解决方案，查询策略框架，主动学习的分析，设置变量的问题...
Partial-discharge-signals-of.zip_svm active learning_主动学习SVM_局部放
07-15
标题提及的"Partial-discharge-signals-of.zip_svm active learning_主动学习SVM_局部放"，表明研究的重点在于应用主动学习算法优化SVM模型，以更好地识别局部放电的模式。主动学习是一种机器学习策略，它允许模型在...
主动学习(Active Learning)
热门推荐
猪逻辑公园
12-26 6万+
1. 写在前面 　　在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下： 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函...
主动学习（Active learning）简介
stay hungry, stay foolish
10-25 1万+
主动学习（Active Learning）简介。
Active learning
jiongjiongai的博客
11-12 177
Active learning Motivation If a learning algorithm can choose data it wants to learn from, then it can perform better. Steps Gether data: Representative of true distribution. Split into seed and unla...
超详细的主动学习Active Learning介绍【理论+代码】
weixin_46428351的博客
03-01 6324
机器学习主要研究计算机如何利用经验数据提高自身性能。在监督学习中，数据的质量和数量直接决定模型的性能高低，监督学习不仅要求数据全部是标记好的，并且需要大量的数据，然而人工标注大量数据需要耗费巨大的时间和精力，一个更合理的方案是挑选一部分数据进行标注，这就要提到机器学习中的主动学习。
主动学习 active learning
yang_daxia的博客
12-28 244
任何模型都有模型上限，也就是说，即使加入再多的数据，模型也不会增长。所以应该加入尽可能少的数据，更有价值的数据。 总结：主动学习为在无标注的样本池中，挖掘有用的数据标注训练，使得模型使用尽可能少的样本达到模型的上限。 参考： https://zhuanlan.zhihu.com/p/39367595 主动学习(Active learning)算法的原理是什么，有哪些比较具体的应用？ - 阿里巴巴淘系技术的回答 - 知乎 https://www.zhihu.com/question/265479171
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值