Rozhodovací strom pro aktivní učení
Aktivní učení s rozhodovacím stromem kombinuje interpretovatelnou strukturu stromu typu CART se strategií dotazování, která vybírá nejinformativnější neoznačené instance pro lidskou anotaci. Model iterativně požaduje štítky pouze pro příklady, u nichž si je nejméně jistý, čímž minimalizuje náklady na označování a zároveň maximalizuje přesnost klasifikace na tabulkových datech.
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
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth & Brooks. ISBN: 978-0-412-04841-8
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Active Learning with Decision Tree Classifier. ScholarGate. https://scholargate.app/cs/machine-learning/active-learning-decision-tree
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 učeníStrojové učení↔ compare
- Logistická regrese s aktivním učeniemStrojové učení↔ compare
- Rozhodovací stromStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- Polopřeváděný rozhodovací stromStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →