Поддържаща векторна машина с активно обучение
Активното обучение със SVM комбинира силната разделителна граница на поддържащите векторни машини с интелигентна стратегия за заявки, която избира най-информативните немаркирани екземпляри за човешка анотация. Въведена от Тонг и Колер през 2001 г., тя постига висока точност на класификация, използвайки значително по-малко маркирани примери в сравнение с пасивното контролирано обучение, което я прави практична винаги, когато маркирането е скъпо или бавно.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). 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 Support Vector Machine. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-support-vector-machine
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.
- Случайна гораМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Методът на опорните вектори (класификация)Машинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →