ScholarGate
Assistent
Machine learningMachine learning

Active Learning Voting Ensemble

Active Learning Voting Ensemble – auch bekannt als Query by Committee – ist eine Strategie des aktiven Lernens, die ein Komitee diverser Modelle trainiert und die unbeschrifteten Beispiele auswählt, bei denen die Meinungsverschiedenheit der Komiteemitglieder am größten ist, zur Annotation durch Menschen. Durch die Fokussierung der Beschriftungsbemühungen auf die informativsten Punkte erzielt sie eine hohe Genauigkeit mit weitaus weniger beschrifteten Beispielen, als das passive 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.

Quellen

  1. Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT '92), pp. 287–294. ACM. DOI: 10.1145/130385.130417
  2. Settles, B. (2009). 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 with Voting Ensemble (Query by Committee). ScholarGate. https://scholargate.app/de/machine-learning/active-learning-voting-ensemble

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
ScholarGateActive Learning Voting Ensemble (Active Learning with Voting Ensemble (Query by Committee)). Abgerufen am 2026-06-15 von https://scholargate.app/de/machine-learning/active-learning-voting-ensemble · Datensatz: https://doi.org/10.5281/zenodo.20539026