Active Learning from Imperfect Labelers @ NIPS読み会・関西
-
Upload
taku-tsuzuki -
Category
Data & Analytics
-
view
211 -
download
2
Transcript of Active Learning from Imperfect Labelers @ NIPS読み会・関西
![Page 1: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/1.jpg)
Ac#ve Learning from Imperfect Labelers
NIPS読み会・関西11/12
大阪大学生命機能研究科M1,都築拓 @tsukamakiri
![Page 2: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/2.jpg)
・自己紹介
・都築拓(@tsukamakiri) ・大阪大学生命機能研究科M1
細胞の状態推定,予測 実験プロトコル最適化 @Robo#c Biology Ins#tute
・理化学研究所Qbic生化学シミュレーションチーム研究生
![Page 3: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/3.jpg)
・今回話すこと
①Ac#ve learningのざっくりとした紹介 ②その研究動向の中で本論文 Ac#ve Learning from Imperfect Labelers は何を,どのようなアプローチで明らかにしたか?
![Page 4: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/4.jpg)
・今回話さないこと
・本論文 Ac#ve Learning from Imperfect Labelers 中で出てくる定理,事実の証明の詳細
・Ac#ve learningの詳細な分類,歴史,理論的背景 (Burr SeHlesによるサーベイ論文 Ac#ve Learning Literature Surveyが詳しい) (理論的な背景は S Hanneke の Theore#cal Founda#on of Ac#ve Learning)
![Page 5: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/5.jpg)
Active Learningとは何か?
![Page 6: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/6.jpg)
・Ac#ve learningとは何か?
データを分類する分離面をどう引くか?
:データ
![Page 7: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/7.jpg)
・Ac#ve learningとは何か?
教師あり学習の場合
すべてのデータにラベルをつける 超大変
Labeler
![Page 8: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/8.jpg)
・Ac#ve learningとは何か?
ラベル付けをサボるにはどうするか?
・できるだけ少ないラベルで,うまく分類したい….
Labeler
![Page 9: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/9.jpg)
・Ac#ve learningとは何か?
方針1:適当に選んでラベル付けしてみる
・この場合,分離面をどう引きますか?
Labeler
テキトー
![Page 10: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/10.jpg)
・Ac#ve learningとは何か?
方針1:適当に選んでラベル付けしてみる
こうかな?
![Page 11: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/11.jpg)
・Ac#ve learningとは何か?
方針1:適当に選んでラベル付けしてみる
残念,ハズレ
![Page 12: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/12.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
こいつに聞こう!
![Page 13: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/13.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
ここは何?
赤
![Page 14: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/14.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
じゃあここは?
黄色
![Page 15: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/15.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
黄色
ここは?
![Page 16: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/16.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
赤
ここは?
![Page 17: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/17.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
黄色
ここは?
![Page 18: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/18.jpg)
・・・・・・ Labeler
![Page 19: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/19.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
・この場合,分離面をどう引きますか?
![Page 20: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/20.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
こうかな?
![Page 21: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/21.jpg)
・Ac#ve learningとは何か?
方針2: “実験”しながらラベル付けする
Labeler
バッチリ!!
![Page 22: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/22.jpg)
・Ac#ve learningのコンセプト
・できるだけ少ないラベルで,良い性能の学習したい → アノテーションは重労働だし,お金もかかる.
・Labelerに”質問”(query)して, 効率的に,ラベル付きデータを集めよう!
Labeler
g(x,θ )Model
Query (質問)
Answer
質問は少ないほうが良い
![Page 23: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/23.jpg)
・Ac#ve learningの適用例
・がん細胞の病理診断の自動化
お医者さんを雇うのは高いし,数も多くない
機械が判断に困る画像だけ,医者に送って教えてもらう [Kutsuna Net et al. 2012]
![Page 24: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/24.jpg)
・Ac#ve learningの適用例
実験計画立案の自動化(Op#mal Experimental Design) Robot Scien#st [R. D. King et al. 1999~2016]
酵母の遺伝子に,実験を通して”機能”をアノテーション
Query(質問)=実験操作 と考えている.
![Page 25: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/25.jpg)
Active Learning from Imperfect Labelers
今回の論文
![Page 26: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/26.jpg)
・Ac#ve learningの登場人物
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
![Page 27: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/27.jpg)
・Ac#ve Learning from Imperfect Labelers
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
今回問題となるところ
![Page 28: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/28.jpg)
・Ac#ve Learning from Imperfect Labelers
Labeler ・本当にLabelerは”正しい”か?
![Page 29: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/29.jpg)
・Ac#ve Learning from Imperfect Labelers
Labeler ・本当にLabelerは”正しい”か?
No!! 現実問題として,アノテーション自体の精度 が低い例はいくらでもある.
クラウドソーシング,データが難解,etc
そもそもアノテーションが不可能なデータ が含まれていることも
![Page 30: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/30.jpg)
・例:画像のDetec#on課題とAc#ve Learning
[C Kading CVPR 2015]
Query に対して「分からない」と回答することで性能向上
自動で切り出してきた領域を 分類する課題
分類不可能なデータが 多数含まれる
適当にラベルつけるくらい なら何もしないほうが良い
学習の収束に必要な データ数が少なくなった
![Page 31: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/31.jpg)
・今回の論文の論点
Imperfect Labelers Labelerの性質として
①noise →際どい質問に関して間違ったラベル付けを行う ②abstain →際どい質問に関して回答を拒否する
の2点を仮定したとき
Labeler
学習が収束する保証はあるか?
収束するなら,どのくらいのデータ数が必要か?
![Page 32: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/32.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
![Page 33: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/33.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの
2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
![Page 34: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/34.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 35: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/35.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なquery数の 上界と下界を与えた
ここがスゴイ!!
![Page 36: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/36.jpg)
・今回の論文の何がすごいか?
学習の収束に必要なqueryの数の下界を示した
「どんな分類機を持ってきても, どんな最適化アルゴリズムを使っても, ある精度を持つ分類機を作るためには 最低限これだけのデータが必要です」
ということを言っている.
学習機設計するとき,どの程度データ集めるか の目安になる可能性がある.
![Page 37: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/37.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 38: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/38.jpg)
・d次元2クラス分類問題をどう定義するか?
・Taskの設定
d次元のデータ空間に,d-‐1次元の超平面を引いて, その片方に1,もう片方に0と返す問題
0
1
![Page 39: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/39.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 40: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/40.jpg)
・Labelerの設定
“間違ったり,回答しなかったりする”をどう表現するか?
本論文では3通りの設定を考えている
![Page 41: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/41.jpg)
・Labelerの設定
L Labeler
In
Out
回答しない(ラベル付けない) を意味する
![Page 42: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/42.jpg)
・Labelerの設定
Condi#on1:
本論文で最も緩い制約
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
データの位置に関わらず,Labelerは, 一定確率で誤ったラベルをつける
![Page 43: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/43.jpg)
・Labelerの設定
Condi#on2:
Condi#on1に誤りに関する設定を加えた
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
Labelerがデータに誤ったラベルをつける確率も, 真の決定境界g* に近づくにつれ,上昇
![Page 44: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/44.jpg)
・Labelerの設定
Condi#on3:
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
P(±|x)は,真の決定境界 g* に近づくにつれ, 単調に増加
Condi#on1に,P(±|x)の単調増加を仮定
![Page 45: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/45.jpg)
・Labelerの設定
Condi#on3:
Condi#on1に,P(±|x)の単調増加を仮定
Condi#on1のみ Condi#on1+Condi#on3
![Page 46: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/46.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 47: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/47.jpg)
・「モデルの学習が収束した」状態をどう定義するか?
真の決定境界 g* と,その推定値 g の間の誤差 ||g – g*||を以下のように定義する
アプリオリに与えた誤差ε,危険率δに対して, 確率 1-‐δ で
|| g− g* || < εが成立する時,モデルgは収束したと定義する
![Page 48: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/48.jpg)
・query,学習アルゴリズムをどのように設定したか?
・分割探索みたいな ことをやってる
・大変なので,省略
学習アルゴリズムA→
入力:誤差ε 危険率δ
出力:分類境界 g
![Page 49: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/49.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束(consistent)する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 50: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/50.jpg)
・Condi#on1より,学習が収束すること(consistent) を示すことができる.
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
データの位置に関わらず,Labelerは, 一定確率で誤ったラベルをつける
Condi#on1
|| g− g* || < ε with prob at least 1-‐δ/2
先述のアルゴリズムで最適化
![Page 51: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/51.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 52: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/52.jpg)
・Condi#on1と2の条件において,学習が収束するための, query数の下界が導出できる.
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
Labelerがデータに誤ったラベルをつける確率が, 真の決定境界g* に近づくにつれ,上昇
Condi#on1+2
任意の学習アルゴリズムに対して.query数の下界が導出できる
![Page 53: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/53.jpg)
・Condi#on1と3の条件において,学習が収束するための, query数の下界が導出できる.
データが真の決定境界 g* に近づくほど, Labelerが回答しない確率P(±|x)が上昇
P(±|x)は,真の決定境界 g* に近づくにつれ, 単調に増加
Condi#on1+2
任意の学習アルゴリズムに対して.query数の下界が導出できる
![Page 54: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/54.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で理論的に示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた
![Page 55: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/55.jpg)
・今回の研究から得られた知見
・ノイジーなラベルを返すくらいなら,「わからない」と 言った方が,学習の収束が早い.
・Imperfect Labelerを使った学習に一致性がある
d次元データに対する2クラス分類を考えた時
・query complexityの下界を与えた
(・アルゴリズムを仮定すれば上界も)
Noiseのみ Absteinあり
1次元の場合のquery complexity
![Page 56: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/56.jpg)
・疑問点など
・今後多クラス分類に拡張した手法などが出てくるんだろうか ・Query complexity の下界の式に,危険率δが陽に入っていない 証明を追いきれていない.... ・わたしの時間(と戦闘力)が足りなかった感
![Page 57: Active Learning from Imperfect Labelers @ NIPS読み会・関西](https://reader031.fdocuments.net/reader031/viewer/2022030317/587148b91a28ab55588b5fe7/html5/thumbnails/57.jpg)
Labeler
g(x,θ )Model
Query (質問)
Answer
Task
・今回の論文で示したこと
d次元データの 2クラス 分類問題
間違ったり, 回答しなかったり するLabeler
(適当なアルゴリズムを仮定したとき) 1:学習が収束する 2:収束に必要なデータ数の 上界と下界を与えた