Активно обучение с LightGBM
Активно обучение с LightGBM съчетава стратегията за ефективно избиране на заявки при активно обучение с бързината и точността на LightGBM, базирана на хистограми рамка за градиентен бустинг. Моделът итеративно избира най-информативните немаркирани екземпляри за човешко анотиране, преобучава LightGBM върху нарастващия маркиран набор и достига висока точност със значително по-малко маркирани примери в сравнение с пасивното контролирано обучение.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-lightgbm
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Активно обучениеМашинно обучение↔ сравняване
- Градиентен бустингМашинно обучение↔ сравняване
- LightGBMМашинно обучение↔ сравняване
- Случайна гораМашинно обучение↔ сравняване
- XGBoostМашинно обучение↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →