Active Statistical Inference

受主动学习概念启发，我们提出了主动推断——一种利用机器学习辅助数据收集的统计推断方法。假设标签收集数量有限，该方法使用机器学习模型来确定哪些数据点对标签收集最有益，从而有效利用预算。其操作基于一个简单而强大的直觉：优先收集模型表现不确定的数据点的标签，对模型有信心的数据点则依赖于模型的预测。主动推断构建可证明有效的置信区间和假设检验，同时利用任何黑盒机器学习模型并处理任何数据分布。关键在于，它实现了与现有基于非自适应收集数据的基线相同水平的准确性，但所需样本数量更少。这意味着对于相同数量的收集样本，主动推断能够实现更小的置信区间和更强大的p值。我们在公共舆论研究、人口普查分析和蛋白质组学数据集上评估了主动推断。

本论文提出了一种名为Active Inference的方法，旨在利用机器学习模型辅助数据收集，从而在有限的标注数据预算下，提高统计推断的效率。

Active Inference的核心思想是优先收集模型不确定的数据点的标注，而对于模型已经具有较高置信度的数据点，则可以直接使用模型的预测结果。通过这种方式，Active Inference可以构建出可靠的置信区间和假设检验，并且相比于传统的非主动学习方法，使用更少的数据样本就可以达到相同的准确性。

本论文的实验结果表明，Active Inference方法可以在公共舆论调查、人口普查分析和蛋白质组学等多个领域中得到有效应用。此外，Active Inference方法还可以与任何黑盒机器学习模型结合使用，适用于任何数据分布。

近年来，主动学习领域涌现出了很多相关研究，例如《Deep Bayesian Active Learning with Image Data》、《Active Learning: Theory and Applications - A Literature Survey》等。