Aktivní učení s boostingem
Aktivní učení s boostingem kombinuje dotazově řízené získávání štítků aktivního učení s logikou vážených souborů algoritmů boosting, jako je AdaBoost. Model iterativně vybírá nejinformativnější neoznačené příklady k anotaci – řízen neshodou nebo nejistotou v rámci boostingového souboru – a po každém novém štítku se přeučuje, čímž dosahuje vysoké přesnosti s mnohem menším počtem označených příkladů než pasivní učení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/cs/machine-learning/active-learning-boosting
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.
- Aktivní učení s podpůrnými vektoryStrojové učení↔ compare
- ZesilováníStrojové učení↔ compare
- Online BoostingStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →