Template-basierte AFA: Neue Methode reduziert Kosten und verbessert Genauigkeit
In der Welt der maschinellen Lernverfahren ist die aktive Feature‑Acquisition (AFA) ein dynamisches Verfahren, bei dem ein Modell während der Vorhersage entscheidet, welche zusätzlichen Merkmale es kostenpflichtig erlangen soll. Traditionell werden dafür entweder komplexe Reinforcement‑Learning‑Agenten eingesetzt, die mit schwierigen Markov‑Entscheidungsprozessen umgehen müssen, oder einfache, gierige Strategien, die die gemeinsame Informationskraft mehrerer Merkmale nicht berücksichtigen und oft Annahmen über die zugrunde liegende Datenverteilung voraussetzen.
