作者：胡峰; 张苗; 于洪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(TWD_Active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.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
