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.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Ashna Jose,E... ที่ arxiv.org 04-16-2024
https://arxiv.org/pdf/2404.09953.pdfสอบถามเพิ่มเติม