Active Learning Voting Ensemble
Active Learning Voting Ensemble — formelt kendt som Query by Committee — er en aktiv læringsstrategi, der træner et ensemble af diverse modeller og udvælger de umærkede eksempler, hvor ensemblestemmerne er mest uenige, til menneskelig annotering. Ved at fokusere mærkningsindsatsen på de mest informative punkter opnår den høj nøjagtighed med langt færre mærkede eksempler, end passiv læring kræver.
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
- Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT '92), pp. 287–294. ACM. DOI: 10.1145/130385.130417 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Active Learning with Voting Ensemble (Query by Committee). ScholarGate. https://scholargate.app/da/machine-learning/active-learning-voting-ensemble
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
- Bagging (Bootstrap Aggregating)Maskinlæring↔ compare
- BoostingMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →