这种主动学习的方法正确吗？

Question

假设我们有10,000个未标记的文档，我们希望使用批量大小为5的基于池的抽样，并且我们将使用最小置信度(LC)来进行查询策略。

这个主动学习的大纲是否合理：

1)随机选取30个文档，并将其标记为labelled:=>：30，未标记: 9970。

2)对30个标注数据进行模型训练。

3)使用该模型对9970份未标注的文档进行预测。

4)使用LC从所有预测文档中选择模型最不确定的5个文档。

5)获取标签为5 documents:=>标签: 35，未标签: 9965

6)对标签数据模型进行再培训。

7)继续执行步骤2-6，直到标记资源过期或其他停止标准得到满足为止。

这是正确的吗？我最关心的是第三步)，我们是否应该对每一次迭代中的所有数据进行再培训？这似乎会导致计算速度缓慢，但另一方面，如果我们不评估每一份文档，我们如何才能知道哪一份最有助于标记呢？

Answer 1

你的流量是正确的。模型对新的标记数据进行了再培训。否则，下一个标记候选将从模型最不确定的前一个候选区域中选择。通过对新标记数据的培训，模型将转移到最不确定的新区域。下面是这次调查关于主动学习的第5页中基于池的方法的图表：