在线主动学习的最优样本选择策略研究

研究者在高维高斯设计的高维线性分类场景下，探讨了最小化标注预算泛化误差与累积成本的最优样本查询策略。研究证明贪心短视策略对应随时间缩小的中间间隔策略，并据此设计出简单查询策略，在合成数据和真实医学图像数据集上进行了对比验证。研究还分析了两层神经网络中的短视策略，指出了朴素间隔策略失效的场景。