Активно учене с дърво на решенията
Активното учене с дърво на решенията съчетава интерпретируемата структура на дърво от типа CART с стратегия за заявки, която избира най-информативните немаркирани екземпляри за анотация от човек. Моделът итеративно изисква етикети само за примери, за които е най-несигурен, минимизирайки разходите за етикетиране, като същевременно максимизира точността на класификация върху таблични данни.
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
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth & Brooks. ISBN: 978-0-412-04841-8
Как да цитирате тази страница
ScholarGate. (2026, June 3). Active Learning with Decision Tree Classifier. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-decision-tree
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.
- Активно обучениеМашинно обучение↔ compare
- Логистична регресия с активно обучениеМашинно обучение↔ compare
- Дърво на решениятаМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Полусъпровождано дърво на решениятаМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →