myWiki/concepts/curvature-based-adaptive-sampling.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
Curvature-Based Adaptive Sampling (CuBAS, 曲率自适应采样)	2026-07-10	2026-07-10	concept	adaptive-sampling information-geometry supervised-classification data-selection	cubas-curvature-adaptive-sampling-2026

Curvature-Based Adaptive Sampling (CuBAS)

CuBAS 是 Levada (2026) 提出的基于信息几何的自适应数据选择框架，将监督分类中的训练集筛选转化为统计流形的几何推断问题。

核心洞察

带标签数据集可看作由 potts-markov-random-field 诱导的statistical-manifold，其局部曲率（通过observed-fisher-information比值估计）忠实编码了数据分布的几何复杂度。

六步算法

1. 图构建：从 D 构建 k-NN 图 G=(V,E)
2. 参数估计：maximum-pseudo-likelihood + 割线法估计 β
3. 局部曲率：计算每个节点的 shape-operator = -Ψ_i/(Φ_i+λ)
4. 曲率归一化：将 S_i 映射到 [0,1]
5. 自适应划分：adaptive-threshold-estimation T 将图分为 L（低曲率）和 H（高曲率）
6. 采样：分别从 L 和 H 采样构成训练集

关键结果

指标	值
60+ 数据集全胜	100% 优于 Random 和 Entropy
10% 预算 vs Entropy	+13.5pp 平均，p < 10⁻¹⁰
计算复杂度	O(nm log n + nk + T_β nc)
HDLSS 鲁棒	MNIST、基因组数据集上持续有效

与现有方法的根本区别

方法	信息量来源	依赖性
Random	无	无
Entropy Sampling	分类器后验不确定性	需预训练分类器
CuBAS	图拓扑 + 统计几何	模型无关

CuBAS 的模型无关性使其在极小训练预算下不受 seed set 偏差影响——这是 Entropy 采样的已知弱点。

限制

• 超小样本（n < 100）高维场景：曲率信号对比度不足
• k-NN 图在高维稀疏空间（如文本 bag-of-words）中几何结构弱
• 当前为被动采样（所有标签已知），未扩展到主动学习

参考

• cubas-curvature-adaptive-sampling-2026
• potts-markov-random-field
• shape-operator
• low-curvature-high-curvature-decomposition
• adaptive-threshold-estimation