主动学习论文复现（xPAL）：Toward optimal probabilistic active learning using a Bayesian approach - 2021 ML

参考文献：

【1】 Kottke D, Herde M, Sandrock C, et al. Toward optimal probabilistic active learning using a Bayesian approach[J]. Machine Learning, 2021, 110(6): 1199-1231.

BibTex：

@article{kottke2021toward,
  title={Toward optimal probabilistic active learning using a Bayesian approach},
  author={Kottke, Daniel and Herde, Marek and Sandrock, Christoph and Huseljic, Denis and Krempl, Georg and Sick, Bernhard},
  journal={Machine Learning},
  volume={110},
  number={6},
  pages={1199--1231},
  year={2021},
  publisher={Springer}
}

评论：

非常优秀的一篇文章，这篇论文是Kottke继McPAL之后的又一篇基于概率的主动学习方法。

 读懂这篇论文需要有一定的统计学基础。读不懂的宝子们莫要灰心。

原理：

基本原理，通过选择一个valuable样本，来达到模型期望误分类风险的下降。

用Kottke的意思是，利用共轭先验来计算得到是的期望概率收益（Expected Probabilistic Gain）最大的样本。

代码：

https://download.csdn.net/download/DeniuHe/88440566

赚点积分，宝子们别介意！