Бейсовско активно обучение
Бейсовското активно обучение (BAL) комбинира вероятностен модел с активна стратегия за заявки, за да идентифицира немаркираните примери, които след маркиране биха намалили най-много несигурността на модела. Вместо да маркира данни на случаен принцип, BAL насочва оракул — обикновено човек-анотатор — към точките, където маркирането ще предостави най-голямо информационно увеличение, което го прави изключително ефективно по отношение на маркирането.
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
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/bg/machine-learning/bayesian-active-learning
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
- Байесов логистичен регресионен моделБейсови методи↔ compare
- Байесовска оптимизацияОптимизация↔ compare
- Обучение с малко примериМашинно обучение↔ compare
- Гаусов процесМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →