Qu'est-ce que la query-by-committee?

Query-by-committee (QBC) est une méthode d'apprentissage actif dans laquelle un comité (ensemble) de modèles est utilisé pour sélectionner les exemples les plus informatifs pour l'étiquetage.

L'idée est que plusieurs modèles, entraînés sur les données actuelles, font des prédictions sur des données non étiquetées. Les objets sur lesquels les modèles divergent (ont une dissonance élevée) sont considérés comme les plus utiles pour l'apprentissage, et ils sont sélectionnés pour être étiquetés par un humain.

Avantages:

• Permet d'utiliser efficacement un budget limité pour l'étiquetage.
• Réduit la quantité de données étiquetées nécessaires.

Exemple:

• Il y a 3 modèles (comité), entraînés sur l'ensemble actuel.
• Pour chaque nouvel objet, les modèles donnent des prédictions.
• Si les modèles divergent fortement (par exemple, 2 modèles considèrent la classe A, 1 la classe B), cet objet est sélectionné pour l'étiquetage.

Ainsi, QBC aide à se concentrer sur des exemples difficiles, améliorant la qualité du modèle avec des coûts d'étiquetage moindres.