Ensemble Active Learning
Ensemble Active Learning kombinerer en komité af diverse modeller med en aktiv lærings-loop til at udvælge de mest informative umærkede eksempler til mærkning. Med rødder i Query by Committee-rammeværket introduceret af Seung et al. (1992), anvender den uenighed blandt komitémedlemmer som et signal for usikkerhed, hvilket reducerer antallet af mærkede eksempler, der er nødvendige for at opnå stærk prædiktiv ydeevne.
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 1992), pp. 287–294. ACM. link ↗
- 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). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/da/machine-learning/ensemble-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
- BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →