基于成员查询的主动学习样本复杂度研究

该研究探讨了主动学习中合成任意成员查询对统计学习难度的影响。相比仅能从无标签池中挑选查询的池化主动学习，允许合成查询能让二维半空间等假设类的误差随样本量从多项式衰减转变为指数级可学习。为此，研究提出了若干充分条件与典型示例，并给出了推测性视角，以界定哪些假设类能通过合成查询实现高效学习。