이 논문은 능동 학습 기법의 한 종류인 분류 트리 기반 접근법을 제안한다. 이 방법은 다음과 같은 단계로 구성된다:
초기 레이블링된 샘플을 이용하여 분류 트리를 구축한다. 이 트리는 입력-출력 공간을 균질한 영역으로 분해한다.
각 리프 노드에서 엔트로피와 밀도 정보를 이용하여 새로 레이블링할 샘플의 수를 결정한다. 엔트로피가 높은 불순 영역에서 더 많은 샘플을 선택한다.
각 리프 노드에서 선택된 샘플들의 다양성과 대표성을 고려하여 최종 샘플을 선택한다. 이를 통해 입력 공간 전체를 잘 대표하는 샘플을 선택할 수 있다.
이러한 접근법은 기존의 능동 학습 방법들에 비해 다음과 같은 장점을 가진다:
다양한 벤치마크 데이터셋에 대한 실험 결과, 제안 방법이 기존 능동 학습 방법들에 비해 우수한 성능을 보였다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Ashna Jose,E... alle arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09953.pdfDomande più approfondite