本研究では、分類問題におけるアクティブラーニングの新しい手法を提案している。従来のアクティブラーニング手法は、モデルフリーアプローチとモデルベースアプローチに大別されるが、いずれも一定の限界がある。
提案手法では、まず初期ラベル付きサンプルを用いて分類木を構築する。この分類木を用いて入力空間を低エントロピーの領域に分割する。次に、各領域の密度とエントロピーに基づいて、新たにラベル付けするサンプルの数を決定する。さらに、各領域からサンプルを選択する際には、多様性と代表性を考慮したクライテリアを用いる。
この手法は、特に不均衡データセットにおいて優れた性能を発揮する。様々なベンチマークデータセットでの実験結果から、提案手法が従来手法に比べて高い分類精度を達成できることが示された。また、結果の分散も小さく、ロバスト性が高いことが確認された。
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Ashna Jose,E... pada arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09953.pdfPertanyaan yang Lebih Dalam