El aprendizaje activo es un tema interesante en el aprendizaje automático. Hay un gran número de algoritmos de aprendizaje activo, pero ninguno es el mejor aceptado. Así que prefiero leer el cuestionario para aprender tipos de algoritmos.
B. Establece, “Encuesta de literatura de aprendizaje activo”, Universidad de Wisconsin, Madison , 2010.
Esta es la mejor encuesta de aprendizaje activo. Al leer este documento, podemos tener un conocimiento amplio e integral sobre el aprendizaje activo.
Y. Fu, X. Zhu y B. Li, “Una encuesta sobre la selección de instancias para el aprendizaje activo”, Knowledge and Information Systems , vol. 35, no. 2, págs. 249–283, 2013.
Esta es la última encuesta sobre el aprendizaje activo. Propuso una nueva vista para clasificar los algoritmos de aprendizaje activo. También podemos aprender algunos buenos algoritmos propuestos en los últimos años.
- ¿Se pueden mapear los datos de entrada circulares (como la fase de una sinusoide) en un espacio de características lineales usando un núcleo lineal usando SVM? Si no, ¿qué núcleo es óptimo para datos de entrada circulares?
- ¿Debo hacer un gran proyecto de investigación de aprendizaje profundo con mi propio dinero (y tiempo), sin que me paguen, solo para que alguien pueda contratarme debido al trabajo?
- ¿Es suficiente tomar todos los cursos de la especialización de Machine Learning de la Universidad de Washington en el curso para obtener mi primer trabajo / pasantía en ML?
- ¿Puedo aprender ML por mi cuenta?
- ¿Son útiles los procesos jerárquicos de Dirichlet en la práctica?
D. Tuia, M. Volpi, L. Copa, M. Kanevski y J. Munoz-Mari, “Una encuesta de algoritmos de aprendizaje activo para la clasificación supervisada de imágenes de teledetección”, Temas seleccionados en el procesamiento de señales, IEEE Journal of , vol. 5, no. 3, págs. 606–617, 2011.
Un buen artículo de aprendizaje activo sobre teledetección.
También hay otros documentos de encuestas como:
“Una encuesta bibliográfica sobre el aprendizaje automático activo en el contexto del procesamiento del lenguaje natural”
“Aprendizaje activo en la anotación y recuperación multimedia: una encuesta”
…
El muestreo de incertidumbre es el método de aprendizaje activo más popular. El algoritmo más tradicional y clásico es el muestreo de margen basado en SVM:
S. Tong y E. Chang, “Apoyar el aprendizaje activo de la máquina de vectores para la recuperación de imágenes”, en Actas de la novena conferencia internacional de ACM sobre Multimedia . ACM, 2001, pp. 107-118.
S. Tong y D. Koller, “Apoyar el aprendizaje activo de la máquina de vectores con aplicaciones para la clasificación de texto”, The Journal of Machine Learning Research , vol. 2, págs. 45-66, 2002.
Pero este algoritmo fue propuesto hace más de 10 años. Por lo tanto, el rendimiento no es mejor que los últimos algoritmos.
En mi opinión, los buenos algoritmos de aprendizaje activo tienen características comunes:
1. Pueden resolver problemas de clasificación de varias clases.
2. deben estar en modo lote
3. no deberían consumir mucho tiempo
