Feb, 2012
使用子模函数的主动半监督学习
Active Semi-Supervised Learning using Submodular Functions
Andrew Guillory, Jeff A. Bilmes
TL;DR我们在离线转导的半监督场景中考虑主动学习，通过替换图割（graph cut）为任意对称子模函数来泛化以前提出的主动学习的误差界。在对称化之后，可以使用任意非对称子模函数。不同的子模函数选择提供了适用于不同问题的误差限制的不同版本。此外，该限制是确定性的，并适用于对手所选择的标签。我们在任意子模函数中引入了一种相关的主动半监督学习方法，该方法可以近似最小化相应的误差限制。我们证明了误差界是紧致的，这意味着没有其他同形式的误差界比它更好。我们的理论结果得到了真实数据实验的支持。