Active Learning Support Vector Machine
Active Learning SVM kombiniert die starke Entscheidungsgrenze von Support Vector Machines mit einer intelligenten Abfragestrategie, die die informativsten unbeschrifteten Instanzen für menschliche Annotationen auswählt. Eingeführt von Tong und Koller im Jahr 2001, erzielt es eine hohe Klassifikationsgenauigkeit mit weitaus weniger beschrifteten Beispielen als passives überwachtes Lernen, was es praktikabel macht, wann immer die Beschriftung teuer oder langsam ist.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/de/machine-learning/active-learning-support-vector-machine
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.
- Random ForestMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
- Support Vector Machine (Klassifikation)Maschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →