Bellman Risk-to-Go Learning

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。