10、支持向量机的主动学习方法与不确定性学习

支持向量机的主动学习方法与不确定性学习

在机器学习领域，样本选择是一个关键环节，它直接影响到模型的性能和学习效果。本文将介绍几种样本选择方法，包括不同选择方法在多个数据集上的测试准确率，以及支持向量机（SVM）相关的主动学习方法，如SVM主动学习、半监督SVM批量模式主动学习和IALPSVM算法，并通过实验对比它们的性能。

1. 不同样本选择方法的测试准确率

为了评估不同样本选择方法的性能，我们在多个数据集上进行了测试，结果如下表所示：
| 数据集 | Rand (Mean/Var) | MABSS | U - Sampling | P - Tree |
| — | — | — | — | — |
| Glass | 0.5171/0.01672 | 0.5590/0.01452 | 0.5403/0.01682 | 0.5305 |
| Iris | 0.7572/0.00652 | 0.7789/0.01752 | 0.7589/0.01182 | 0.7580 |
| Wine | 0.8667/0.01232 | 0.8843/0.00932 | 0.8697/0.1032 | 0.8654 |
| Ecoli | 0.7636/0.01202 | 0.7722/0.01502 | 0.7589/0.01282 | 0.7816 |
| Wdbc | 0.8984/0.00372 | 0.9229/0.00242 | 0.8712/0.00492 | 0.9004 |
| Breast | 0.8818/0.00522 | 0.9330/0.01042 | 0.9102/0.00892 | 0.8869 |