实体
Active feature acquisition
Active feature acquisition
PulseAugur coverage of Active feature acquisition — every cluster mentioning Active feature acquisition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AFA-BANDIT框架提供了可证明的近乎最优在线分类
研究人员推出了一种新颖的在线多特征分类框架AFA-BANDIT，该框架解决了预算约束问题。与以前的方法不同，AFA-BANDIT将问题表述为组合式背包式土匪（BwK）问题，提供了一种可证明的近乎最优的方法。提出的LP-Chain变体能够有效地搜索特征子集，在合成数据上与现有的基于深度强化学习和HEDGE的基线相比，表现出更优越的性能和可扩展性。
-
新的 Bellman Risk-to-Go 学习方法增强了特征获取
研究人员开发了一种名为 BRiG-AFA 的新方法，用于主动特征获取，旨在确定在给定预算内，为特定测试实例接下来测量哪些最有价值的未观测特征。这种监督方法使用 Bellman 目标，从一步终端分类风险向后拟合 risk-to-go 函数。该方法在 Fashion-MNIST 等基准测试上，与一步消融相比，准确率有所提高，在各种获取预算下均显示出显著的收益。