Активно обучение с K-най-близки съседи
Активното обучение с K-най-близки съседи (KNN) комбинира предсказването, базирано на инстанции, на KNN с итеративна стратегия за заявки, която избира най-информативните немаркирани примери за анотиране. Моделът изисква етикети само за инстанции, където маржовете на гласовете в квартала са най-тесни, постигайки конкурентна точност с много по-малко маркирани примери, отколкото напълно контролираното KNN 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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-k-nearest-neighbors
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
- Активно учене с дърво на решениятаМашинно обучение↔ compare
- Логистична регресия с активно обучениеМашинно обучение↔ compare
- Полу-наблюдавано K-най-близки съседиМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →