Core Concepts
다수의 협력자들이 기존 데이터와 모델을 공개하지 않고도 결과 공유를 통해 새로운 도메인을 탐색할 수 있는 협력적 능동 학습 프레임워크를 제안한다.
Abstract
이 논문은 데이터와 모델을 공개하지 않는 조건부 신뢰 환경에서 협력적 능동 학습 프레임워크를 제안한다.
협력자들은 기존 데이터와 모델을 공개하지 않고, 대신 예측 결과를 공유한다.
코디네이터는 공유된 예측 결과를 바탕으로 가장 유용한 데이터 포인트를 선택하여 레이블을 획득한다.
협력자들은 새로 획득한 레이블과 공유된 예측 결과를 활용하여 앙상블 모델을 구축한다.
시뮬레이션 결과, 협력적 능동 학습이 개별 학습보다 우수한 성능을 보였다. 이는 협력을 통해 개별 모델의 한계를 극복할 수 있음을 시사한다.
Stats
협력자 1의 독립 학습 시 AUC 점수는 0.50 - 0.59 수준에 머물렀다.
4명의 협력자가 참여한 협력 학습에서는 AUC 점수가 약 0.80 - 0.85로 향상되었다.