2、机器学习中的主动学习与相关概念

机器学习中的主动学习与相关概念

1. 引言

在机器学习领域，有诸多重要的概念和技术，如模型准确性、主动学习等。这些概念和技术在不同的应用场景中发挥着关键作用，帮助我们更好地构建和评估机器学习模型。

2. 模型准确性

模型准确性是衡量模型预测与被建模现实匹配程度的指标，常用于分类模型。在分类模型中，准确性的计算公式为：准确性 = P((X) = Y)，其中 XY 是联合分布，分类模型 是从 X 到 Y 的函数。有时，这个值会以百分比形式呈现，而非 0.0 到 1.0 之间的数值。

评估模型准确性通常是将模型应用于已知标签（Y 值）的测试数据。分类器在测试数据上的准确性可以通过正确分类的对象数量除以总对象数量来计算。此外，还可以应用平滑函数，如拉普拉斯估计或 m - 估计。

准确性与错误率直接相关，关系为：准确性 = 1.0 - 错误率（以百分比表示时，准确性 = 100 - 错误率）。

相关参考：混淆矩阵、平均绝对误差、模型评估、再代入估计

3. 马尔可夫决策过程中的行动

在马尔可夫决策过程中，行动是决策者在任何给定决策时刻、任何给定状态下的可用选择。

4. 主动学习

4.1 定义

主动学习通常指的是学习者在决定训练数据方面有一定作用的学习问题或系统，这与被动学习形成对比，被动学习中学习者只是被提供一个无法控制的训练集。主动学习常用于获取标记数据成本高或耗时的场景，通过顺序识别最有用的示例，主动学习者有时可以使用比传统方法少得多的训练数据达到良好的性能。

4.2 学习系统结构