在线多特征分类预算受限研究发表

研究者将预算约束下的在线主动特征获取（AFA）建模为带背包的组合 Bandits（BwK）问题，把特征获取与标签预测耦合在一起，并给出优于标准 BwK 的 regret 上界。 为避免动作空间随特征数指数增长，作者提出 LP-Chain，用随特征数线性增长的子集链进行搜索。在合成数据上，LP-Chain 表现优于基于 HEDGE 的 BwK 和深度强化学习在线 AFA 基线，且随特征数增加扩展性更好。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。