Aktiv læring K-nærmeste naboer
Aktiv læring med K-nærmeste naboer (KNN) kombinerer den instansbaserede forudsigelse fra KNN med en iterativ forespørgselsstrategi, der udvælger de mest informative umærkede eksempler til annotering. Modellen anmoder om labels kun for instanser, hvor nabostemmeprocenterne er snævrest, og opnår konkurrencedygtig nøjagtighed med langt færre mærkede eksempler end fuldt superviseret KNN på tabeldata.
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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/da/machine-learning/active-learning-k-nearest-neighbors
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
- Active Learning Decision TreeMaskinlæring↔ compare
- Aktiv læring med logistisk regressionMaskinlæring↔ compare
- Semi-superviseret K-Nærmeste NaboerMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →