Gradient-Boosting mit aktivem Lernen
Gradient-Boosting mit aktivem Lernen kombiniert die leistungsstarke prädiktive Genauigkeit von Gradient-Boosted Trees mit einer Schleife für aktives Lernen, die die informativsten unbeschrifteten Beispiele für menschliche Annotationen auswählt. Durch die Abfrage nur der Instanzen, bei denen das Modell am unsichersten ist, erzielt die Methode eine hohe Genauigkeit mit weitaus weniger beschrifteten Beispielen als beim passiven überwachten Lernen.
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.
Quellen
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/de/machine-learning/active-learning-gradient-boosting
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.
- Aktives LernenMaschinelles Lernen↔ compare
- Gradient BoostingMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- XGBoostMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →