Model Mixture Gaussiana amb Aprenentatge Actiu
El model Mixture Gaussiana amb Aprenentatge Actiu combina una estratègia de consulta iterativa amb un aprenentatge de tipus Mixture Gaussiana. L'algoritme selecciona els punts no etiquetats més informatius —típicament aquells amb la incertesa predictiva més alta—, els presenta a un oracle per a l'etiquetatge, i reajusta el GMM utilitzant EM sobre el conjunt d'etiquetatge creixent. El resultat és un model de densitat que iguala la qualitat de les dades completes tot requerint molts menys exemples etiquetats.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Active Learning with Gaussian Mixture Model. ScholarGate. https://scholargate.app/ca/machine-learning/active-learning-gaussian-mixture-model
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.
- Gaussian Process for Active LearningAprenentatge automàtic↔ compare
- Model de Mescla Gaussiana BayesianaAprenentatge automàtic↔ compare
- Model de Mescles Gaussianes SemisupervisatAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →