Bayesiansk aktiv læring
Bayesiansk aktiv læring (BAL) kombinerer en probabilistisk model med en aktiv forespørgselsstrategi for at identificere de umærkede eksempler, som, når de er mærket, mest vil reducere modelusikkerhed. I stedet for at mærke data tilfældigt, styrer BAL en orakel – typisk en menneskelig annotator – mod de punkter, hvor mærkning vil give den største informationsgevinst, hvilket gør den yderst label-effektiv.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/da/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.
- Aktiv læringMaskinlæring↔ compare
- Bayesiansk logistisk regressionBayesiansk↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Few-shot LearningMaskinlæring↔ compare
- Gaussisk procesMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →