AI用語集
人工知能の完全辞典
不確実性の閾値
人間のオラクルによるラベル付けのためにストリームのサンプルが選択されるために必要な最小限の不確実性レベルを決定する重要なパラメータ。
サンプリング戦略
事前定義された基準に従って、手動ラベル付けに値するストリームのインスタンスを最適に選択するために使用されるアルゴリズム的手法。
ストリーム分類
リアルタイムおよびメモリ制約の下で、順次到着するインスタンスにラベルを割り当てるプロセス。
インスタンス選択
ラベル付け単位あたりのモデル改善を最大化するために、ストリームの中で最も情報量の多いサンプルを特定する識別メカニズム。
ラベル付けオラクル
能動学習システムによって選択されたインスタンスに対して正しいラベルを提供する、通常は人間である外部情報ソース。
オンライン評価
新しいインスタンスが到着して処理されるにつれて、精度やその他の指標を測定することにより、モデルのパフォーマンスを継続的に評価する方法。
時間的適応
ストリームの特性の時間的変化に適応するために、システムがパラメータと戦略を動的に変更する能力。
探索と利用のトレードオフ
学習を最適化するために、空間の新しい領域の探索と、獲得された知識の利用との間で裁定を行うという根本的なジレンマ。
ラベリング遅延
インスタンスのラベリング要求から対応するラベルを受信するまでの時間的遅延であり、ストリーミングパフォーマンスに直接影響を与える。
ストリーム密度
ストリーム内のサンプルの到着頻度を特徴づける指標であり、選択戦略やラベリング予算に直接影響を与える。
サンプルの優先順位付け
ラベリング予算の配分を最適化するために、期待される情報量に基づいてストリーム内のインスタンスをランク付けするアルゴリズム。
増分更新
最初から完全な再トレーニングを行うことなく、既存のモデルに新しい知識を段階的に追加する手法。
拒否戦略
過度な不確実性やリソースの制限により、システムがインスタンスの分類を拒否する条件を定義するポリシー。
獲得コスト
アクティブラーニングの文脈において、オラクルからラベルを取得するために必要な時間的、財務的、または計算的なリソース。