机器学习中的有效查询

我正在阅读一本关于机器学习的文本,其中有一个问题:

如果我们有一个监督者可以为任何x提供标签,我们应该选择哪个x来减少查询次数进行学习?

所以我理解这意味着:

我们被要求通过选择提供最具区分信息的测试元素来加速学习过程。

我认为这应该是一个迭代算法:即后续测试元素的选择取决于之前选择的元素。问题中不清楚的是:

  • 后续元素的选择是否也依赖于先前查询的结果

所以我在这里的问题是:是否存在某种信息论上的唯一答案?还是有多个方法可能具有相似的有效性/速度?

** 脚注:这不是作业 – 这是我的独立学习


回答:

有多种方法。事实上,这种设置是一种称为主动学习的机器学习任务。有很多方法可以根据不同的策略选择x – 请参阅这篇调查论文的第3部分。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注