프로 액티브 러닝
Proactive learning프로[1] 액티브 러닝은 비현실적인 가정을 완화하고 이에 따라 실제 적용에 도달하기 위해 설계된 액티브 러닝의 일반화입니다.
「액티브 러닝은, 라벨이 붙어 있지 않은 가장 유익한 인스턴스를 선택해, 그 라벨을 전지적 오라클에 의뢰해, 정확도를 최대화하는 학습 알고리즘을 재교육하는 것을 목표로 하고 있습니다.단, Oracle은 완전무결(틀린 적이 없음), 불요불급한(항상 답변), 개별적인(오라클 1개만) 비용에는 민감하지 않은(항상 무료 또는 항상 동일한 요금 청구) 것으로 간주됩니다."[1]
「실제에서는, 신뢰성이나 전문 분야가 다른 복수의 정보원을 가지는 것이 가능하고, 보다 일반적인 것이 됩니다.또한 능동적 학습에서는 단일 오라클이 완벽하다고 가정하고 요청 시 항상 정답을 제공합니다.그러나 실제로는 질문의 난이도의 함수가 되어야 하는 확률과 함께 "오라클"(전문가 정보의 출처를 의미하는 용어를 일반화하는 경우)이 부정확할 수 있다(실패할 수 있다).또한 오라클은 마지못해 너무 불확실하거나 너무 바쁜 경우에는 답변을 거부합니다.마지막으로, 능동적 학습은 오라클이 무료이거나 라벨 도출에 균일한 비용을 부과한다고 가정합니다.비용은 난이도(답변 작성에 필요한 작업량)나 기타 [1]요인에 의해 조정될 가능성이 높기 때문에 이러한 가정은 순진합니다.
사전 예방적 학습은 이러한 4가지 가정을 모두 완화시켜 줍니다.이를 통해 최적의 오라클과 인스턴스를 공동으로 선택하는 의사결정 이론 접근법에 의존합니다.이를 통해 문제를 예산 제약에 따른 유틸리티 최적화 문제로 간주합니다.
