Bayesian Active Learning
Bayesian Active Learning (BAL) kombinuje pravděpodobnostní model s aktivní strategií dotazování k identifikaci neoznačených příkladů, které po označení nejvíce sníží nejistotu modelu. Místo náhodného označování dat BAL navádí orákulum — typicky lidského anotátora — k bodům, kde označení poskytne největší informační zisk, což ji činí vysoce efektivní z hlediska označování.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/cs/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.
- Aktivní učeníStrojové učení↔ compare
- Bayesovská logistická regreseBayesovská statistika↔ compare
- Bayesovská optimalizaceOptimalizace↔ compare
- Učení s malým počtem příkladůStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →