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.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
Quellen
- 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.
- Konforme PrädiktionMaschinelles Lernen↔ compare
- Quantifizierung von UnsicherheitenSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →