Aktives Lernen mit K-Nächsten-Nachbarn
Aktives Lernen mit K-nächsten-Nachbarn kombiniert die instanzbasierte Vorhersage von KNN mit einer iterativen Abfragestrategie, die die informativsten unbeschrifteten Beispiele zur Annotation auswählt. Das Modell fordert Beschriftungen nur für Instanzen an, bei denen die Stimmenmehrheiten der Nachbarschaft am geringsten sind, wodurch eine vergleichbare Genauigkeit mit weit weniger beschrifteten Beispielen erreicht wird als bei vollständig überwachtem KNN auf tabellarischen Daten.
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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/de/machine-learning/active-learning-k-nearest-neighbors
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
- Entscheidungsbaum für aktives LernenMaschinelles Lernen↔ compare
- Aktives Lernen mit logistischer RegressionMaschinelles Lernen↔ compare
- Semi-supervised K-Nearest NeighborsMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →