Πρωτότυποι αλγόριθμοι ενεργητικής μηχανικής μάθησης

Abstract

In the information age we live in, collecting new data is now a very easy process as mobile devices, the applications we use and the internet generate an unlimited amount of data. However, the majority of this data is unlabeled, which makes the classification process difficult. In addition, the labeling process itself can be a very time-consuming and expensive as it may require expensive equipment or/and specialized personnel. For this reason, Active Machine Learning methods have been developed that exploit a small set of labeled data to identify those unlabeled data that provide the most information which are then offered for labeling by some skilled personnel. So the goal of Active Machine Learning is to minimize the labeling process and build performant models using a small set of labeled data. This thesis mainly focuses on the development of new Active Machine Learning algorithms to build performant models using small sets of labeled data. In addition, it presents applications of Active Machine Learning to recognition problems and proposes methods for selecting the most appropriate query strategy for selecting unlabeled data using Decision Trees. Finally, it proposes two ensemble of classifiers that show very encouraging results in terms of classification accuracy.

Στην εποχή της πληροφορίας την οποία ζούμε, η συλλογή νέων δεδομένων είναι πλέον μια πολύ εύκολη διαδικασία καθώς οι φορητές συσκευές, οι εφαρμογές που χρησιμοποιούμε και η περιήγηση στο διαδίκτυο παράγουν απεριόριστη ποσότητα από αυτά. Όμως, η πλειονότητα αυτών των δεδομένων είναι χωρίς ετικέτα, γεγονός που δυσχεραίνει την διαδικασία της ταξινόμησής τους. Επιπλέον, η διαδικασία της ετικετοποίησης μπορεί να είναι από μόνη της μια πολύ χρονοβόρα και κοστοβόρα διαδικασία καθώς μπορεί να χρειαστεί ακριβό εξοπλισμό ή/και εξειδικευμένο προσωπικό. Για το λόγο αυτό, μέθοδοι Ενεργητικής Μηχανικής Μάθησης έχουν αναπτυχθεί, οι οποίοι εκμεταλλεύονται ένα μικρό σύνολο ετικετοποιημένων δεδομένων ώστε να εντοπίζουν εκείνα τα δεδομένα χωρίς ετικέτα που παρέχουν την περισσότερη πληροφορία, ώστε αυτά στη συνέχεια να προσφέρονται προς ετικετοποίηση από κάποιο εξειδικευμένο προσωπικό. Στόχος λοιπόν της Ενεργητικής Μηχανικής Μάθησης είναι η ελαχιστοποίηση της διαδικασίας της ετικετοποίησης και η κατασκευή μοντέλων υψηλής επίδοσης με τη χρήση ενός μικρού συνόλου ετικετοποιημένων δεδομένων. Αυτή η διατριβή εστιάζει κυρίως στην ανάπτυξη πρωτότυπων αλγόριθμων Ενεργητικής Μηχανικής Μάθησης με σκοπό την κατασκευή μοντέλων υψηλής επίδοσης με τη χρήση μικρών συνόλων ετικετοποιημένων δεδομένων. Επιπλέον, παρουσιάζει εφαρμογές της Ενεργητικής Μηχανικής Μάθησης σε προβλήματα αναγνώρισης και προτείνει μεθόδους επιλογής της καταλληλότερης στρατηγικής για την επιλογή μη-ετικετοποιημένων δεδομένων με τη χρήση Δέντρων Απόφασης. Τέλος, προτείνει δύο σύνολα ταξινομητών τα οποία παρουσιάζουν πολύ ενθαρρυντικά αποτελέσματα ως προς την ακρίβεια ταξινόμησης.