52
правки
Изменения
Нет описания правки
'''Активное обучение''' (англ. ''Active learning'') {{- --}} область машинного обучения, где в отличие от обучения с учителем имеется набор неразмеченных данных и оракул, способный размечать данные. Зачастую обращение к оракулу затратно по времени или другим ресурсам. Требуется решить задачу, минимизируя количество обращений к оракулу.
Для вызова оракула обычно требуется привлечение человеческих ресурсов. В роли оракула может выступать эксперт, размечающий текстовые документы, изображения или видеозаписи. Помимо временных затрат могут быть и значительные финансовые, например, исследование химического соединения или реакции.
Оракул:
$O : X \rightarrow Y$ {{- --}} функция, которая по объекту возвращает его метку.
Требуется восстановить функцию $a : X \rightarrow Y$, минимизируя количество обращений к оракулу.
На каждой итерации алгоритм фиксирует три множества:
1. $X_{unlabeled}$ {{- --}} множество еще не размеченных объектов.
2. $X_{labeled}$ {{- --}} множество размеченных, которые удовлетворяют некоторому порогу уверенности в классификации.
3. $X_{query}$ {{- --}} множество объектов, которые подаются на вход оракулу. Заметим, что не всегда $X_{query} \subset X_{unlabeled}$, поскольку алгоритм может сам синтезировать объекты.
== Основные стратегии ==
* '''Отбор объектов из выборки''' (англ. ''Pool-based active learning''). Имеется некоторая выборка, и алгоритм использует объекты из нее в качестве запросов к оракулу. В данной стратегии каждому объекту присваивается степень информативности {{- --}} сколько выгоды принесет информация об истинной метке объекта, и оракулу отправляются самые информативные объекты.
* '''Отбор объектов из потока''' (англ. ''Selective sampling''). Алгоритм пользуется не статической выборкой, а потоком данных, и для каждого объекта из потока принимается решение, запрашивать оракула на этом объекте или самому присваивать метку согласно текущему классификатору.
* '''Синтез объектов''' (англ. ''Query synthesis''). Вместо использования заранее заданных объектов, алгоритм сам конструирует объекты и подает их на вход оракулу. Например, если объекты - это вектора в n-мерном пространстве, разделенные гиперплоскостью и решается задача бинарной классикации, имеет смысл давать оракулу на вход синтезированные вектора, близкие к границе.
=== Выбор по степени неуверенности ===
Выбор по степени неуверенности (англ. ''Uncertainty Sampling'') {{- --}} метод отбора объектов из выборки, где самыми информативными объектами считаются те, на которых текущий алгоритм меньше всего уверен в верности классификации. Для этого необходимо задать меру неуверенности в классификации на каждом объекте.
Зафиксируем модель на некотором этапе обучения и обозначим за $P(y | x)$ вероятность того, что объект $x$ принадлежит классу $y$. Приведем основные меры неуверенности для текущей классификации:
* Максимальная энтропия (англ. ''Maximum Entropy'')
$\Phi_{ENT}(x) = - \sum\limits_y{P(y | x) \log{P(y | x)}}$ {{- --}} энтропия классификации на объекте $x$. Чем больше энтропия {{--- }} тем больше неуверенность в классификации.
* Минимальный отступ (англ. ''Smallest Margin'')
$\Phi_{M}(x) = P(y_1 | x) - P(y_2 | x)$ {{- --}} отступ (англ. ''margin'') от $y_1$ {{--- }} самого вероятного класса до $y_2$ {{--- }} второго по вероятности класса. Очевидно, что если отступ велик, то велика и уверенность, потому что один класс заметно выигрывает у всех остальных. Поэтому имеет смысл запрашивать оракула на объектах с минимальным отступом.
* Минимальная уверенность (англ. ''Least Confidence'')
$\Phi_{LC}(x) = 1 - P(y_1 | x)$, где $y_1$ {{- --}} наиболее вероятный класс. Интересующие нас объекты {{--- }} объекты с минимальной уверенностью.
Заметим, что в случае бинарной классификации эти методы эквивалентны.
=== Сэмплирование по несогласию в комитете ===
Сэмплирование по несогласию в комитете (англ. ''Query By Comittee'') {{- --}} метод, в котором алгоритм оперирует не одной моделью, а сразу несколькими, которые формируют комитет. Каждая из моделей обучена на размеченном множестве и принимает участие в общем голосовании на неразмеченных объектах. Идея состоит в том, что те объекты, на которых модели более всего расходятся в своих решениях, являются самыми информативными.
Множество моделей {{- --}} $A^T = \{a_1, .., a_T\}$
Алгоритм выбирает те объекты, на которых достигается максимум энтропии:
* [https://www.youtube.com/watch?v=QQaEnOlX9gA&list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC&index=17 Школа Анализа Данных. Активное обучение]
* [http://www.machinelearning.ru/wiki/images/6/6b/Voron-ML-AL-slides.pdf К.В. Воронцов. Активное обучение]
[[Категория:Машинное обучение]]
[[Категория:Активное обучение]]
