能動学習における決定境界の安定性の検討

摘要

Studies on active learning have advanced in order to improve the performance of supervised learning machines efficiently by reducing trouble of labeling examples. Preceding approaches of active learning strategies are divided to exploitation and exploration, and the respective performance is depending on the situation, therefore you should choose them properly. There are some proceding studies that adopt different strategies according to the situation, however, they have demerits such as algorithmic complexity. Our purpose is to realize more efficient active learning with support vector machines with flexible strategies toward the progress of learning. In this study, we propose a measure of the decision boundary stability focusing that the progress of learning causes support vectors change, and we evaluate an existing active learning strategy named "angle diversity" with benchmarks and consider how to construct a new flexible strategy with angle diversity.%教師あり学習において，ラベル付けの手間を省き学習機械の性能を効率的に向上させるための技術として， 能動学習の研究が進んでいる．既存の能動学習戦略のアプローチは，主にexploitation （活用）とexploration （探索） の2種類に大別されるが，それぞれ一長一短があり使い分けが必要であると言われる．両者を使い分ける手法が既存研究として幾つか挙げられるが，アルゴリズムが複雑であるなどの欠点をもつ．我々の目的はサポートベクターマシ ンを用いた能動学習において，学習の進捗度合に対して戦略を流動的にとりexploitation と exploration の境目を無く すことで更なる学習の効率化を実現することである．本研究では，学習の進行によって起こるサポートベクターの変 化に着目した決定境界の安定性を示す尺度を提案する．また，angle diversity 法と呼ばれる既存の能動学習戦略の性 能を様々なべンチマークを用いて評価し，この手法を用いた柔軟な学習戦略を構築するための検討を行った．