Active Learning Gradient Boosting
Active Learning Gradient Boosting kombinerer den kraftfulde forudsigelsesmæssige nøjagtighed af gradient boosted trees med en aktiv lærings-loop, der udvælger de mest informative umærkede eksempler til menneskelig annotering. Ved kun at forespørge de instanser, modellen er mest usikker på, opnår metoden høj nøjagtighed med langt færre mærkede eksempler end passiv superviseret læring.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/da/machine-learning/active-learning-gradient-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.
- Aktiv læringMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →