활성학습에서 균일 특징 잡음이 미치는 영향 분석

본 논문은 활성 학습(active learning) 환경에서 특징 잡음(feature noise)이 학습 효율에 미치는 영향을 최초로 정량적으로 분석한다. 기존 연구는 주로 비활성(패시브) 설정에서 오류‑변수(errors‑in‑variables) 모델을 다루었으며, 특히 Gaussian 잡음이 최소극대 위험을 로그 수준으로 악화시키는 사례가 알려져 있다. 그러나 활성 학습에서는 질의점 자체를 선택할 수 있기 때문에, 잡음이 어떻게 작용할지에 대한 이론적 이해가 부족했다. 이를 메우기 위해 저자들은 Berkson 오류 모델을 채택한다. Berkson 모델에서는 사용자가 선택한 질의점 W가 관측되며, 실제 입력 X는 W에 균일 잡음 U∼Unif