一种基于不确定性与相似度量的主动学习分类方法

摘要

本发明公开了一种基于不确定性与相似度量的主动学习分类方法，包括以下步骤：S1：对未标注分类数据进行预处理、向量化；S2：聚类，并选择各类中最具代表性的样本进行人工标注并记为数据集L，其余样本记为集合U；S3：计算U中各样本的相似度量值；S4：将L用于训练多个不同的机器学习模型，获得各模型的准确率和输出值；S5：确定各模型的权重值和不确定程度，从而确定不确定性决策值；S6：确定有最大价值的多样性训练样本，对其标注后更新至数据集L中，同时将从U中移除，得到更新的集合U；S7：重复步骤S3‑S6，直至各模型的准确率不再变化，得到最终的标记数据集L。本发明能够减小信息冗余样本量，在保证训练效果的基础上减少数据标注成本。