Aktivní učení s podpůrnými vektory
Aktivní učení SVM kombinuje silnou rozhodovací hranici podpůrných vektorových strojů s inteligentní strategií dotazování, která vybírá nejinformativnější neoznačené instance pro lidskou anotaci. Představeno Tongem a Kollerem v roce 2001, dosahuje vysoké klasifikační přesnosti s mnohem menším počtem označených příkladů než pasivní dohlížené učení, což jej činí praktickým kdykoli je označování drahé nebo pomalé.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/cs/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.
- Random ForestStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Stroj s podpůrnými vektory (klasifikace)Strojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →