損失駆動型ベイズ能動学習
arXiv cs.LG / 2026/4/15
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、特定の下流の意思決定問題の損失を直接的に低減することを目的として、データ取得を明示的に調整する損失駆動型のベイズ能動学習フレームワークを提案する。
- 任意に選んだ損失に対して、それに対応する固有の獲得（acquisition）目的関数を導出できることを示し、一般的な能動学習手法を超えて柔軟性を高める。
- 重み付きベーグマン（Bregman）ダイバージェンスとして表現される損失に対しては、目的関数の重要な構成要素を解析的に計算できるため、実装がより現実的になる。
- 回帰および分類における複数の損失関数での実験結果から、本手法は既存の手法よりもテスト損失が低くなることが示される。
