基于三支决策的主动学习方法
来源期刊:控制与决策2019年第4期
论文作者:胡峰 张苗 于洪
文章页码:718 - 726
关键词:主动学习;机器学习;三支决策;决策函数;无标签样本;不确定性;
摘 要:主动学习是机器学习领域研究的热点之一,旨在解决样本无标签问题.将三支决策的思想应用到主动学习中,通过引入决策函数,并基于无标签样本的不确定性,将无标签样本划分为3个不同的域:正域、负域、边界域.针对不同区域的样本进行相应处理,提出一种基于三支决策理论的主动学习方法(TWDActive方法).通过主动学习方法选出最有用的样本交给专家进行标记,扩大训练集,创建更有效的模型.与传统的被动学习相比,该方法可以选择信息量高、有代表性的样本进行打标,可避免样本的冗余添加.通过反复迭代的训练学习达到预设的迭代次数或期望的性能指标.实验结果表明,所提出的算法在F-value、AUC等评价指标上均可取得良好的效果,验证了该算法的有效性.
胡峰,张苗,于洪
摘 要:主动学习是机器学习领域研究的热点之一,旨在解决样本无标签问题.将三支决策的思想应用到主动学习中,通过引入决策函数,并基于无标签样本的不确定性,将无标签样本划分为3个不同的域:正域、负域、边界域.针对不同区域的样本进行相应处理,提出一种基于三支决策理论的主动学习方法(TWDActive方法).通过主动学习方法选出最有用的样本交给专家进行标记,扩大训练集,创建更有效的模型.与传统的被动学习相比,该方法可以选择信息量高、有代表性的样本进行打标,可避免样本的冗余添加.通过反复迭代的训练学习达到预设的迭代次数或期望的性能指标.实验结果表明,所提出的算法在F-value、AUC等评价指标上均可取得良好的效果,验证了该算法的有效性.
关键词:主动学习;机器学习;三支决策;决策函数;无标签样本;不确定性;