ScholarGate
Assistent
Machine learningInteractive ML

Aktives Lernen

Aktives Lernen ist ein iteratives Paradigma des maschinellen Lernens, bei dem ein Lernalgorithmus selektiv einen Orakel – typischerweise einen menschlichen Annotator – nach Labels für die informativsten unbeschrifteten Beispiele abfragt. Formalisiert von Burr Settles in seiner wegweisenden Literaturübersicht von 2009, adressiert aktives Lernen den praktischen Engpass der Annotationskosten, indem es eine hohe Modellgenauigkeit mit weitaus weniger beschrifteten Beispielen erzielt, als passives überwachtes Lernen erfordert.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

+18 more

Quellen

  1. Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 2). Active Learning (Human-in-the-Loop). ScholarGate. https://scholargate.app/de/machine-learning/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.

Compare side by side

Referenziert von

ScholarGateActive Learning (Active Learning (Human-in-the-Loop)). Abgerufen am 2026-06-15 von https://scholargate.app/de/machine-learning/active-learning · Datensatz: https://doi.org/10.5281/zenodo.20539026