Was ist query-by-committee?

Query-by-committee (QBC) ist eine Methode des aktiven Lernens, bei der ein Gremium (Satz) von Modellen verwendet wird, um die informativsten Beispiele für die Kennzeichnung auszuwählen.

Die Idee ist, dass mehrere Modelle, die auf den aktuellen Daten trainiert wurden, Vorhersagen für unmarkierte Daten machen. Die Objekte, bei denen die Modelle uneinig sind (hohe Dissonanz), gelten als am nützlichsten für das Training, und sie werden für die Kennzeichnung durch einen Menschen ausgewählt.

Vorteile:

• Ermöglicht eine effiziente Nutzung eines begrenzten Budgets für die Kennzeichnung.
• Reduziert die Menge der benötigten markierten Daten.

Beispiel:

• Es gibt 3 Modelle (Gremium), die auf dem aktuellen Satz trainiert wurden.
• Für jedes neue Objekt geben die Modelle Vorhersagen.
• Wenn die Modelle stark divergieren (z.B. 2 Modelle halten die Klasse A, 1 die Klasse B), wird dieses Objekt für die Kennzeichnung ausgewählt.

Auf diese Weise hilft QBC, sich auf schwierige Beispiele zu konzentrieren, wodurch die Modellqualität bei geringeren Kennzeichnungskosten verbessert wird.