Активно обучение с усилване
Активното обучение с усилване (Active Learning Boosting) комбинира придобиването на етикети, водено от заявки, на активното обучение с логиката на претеглените ансамбли на алгоритми за усилване като AdaBoost. Моделът итеративно избира най-информативните немаркирани примери за анотиране — ръководен от несъгласието или несигурността в рамките на ансамбъла за усилване — и преобучава след всеки нов етикет, постигайки висока точност с много по-малко маркирани примери от пасивното обучение.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-boosting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Поддържаща векторна машина с активно обучениеМашинно обучение↔ compare
- БустингМашинно обучение↔ compare
- Онлайн бустингМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →