Ενεργή Μάθηση LightGBM
Η Ενεργή Μάθηση LightGBM συνδυάζει τη στρατηγική επιλογής ετικετών που είναι αποδοτική ως προς την ερώτηση της ενεργής μάθησης με την ταχύτητα και την ακρίβεια του LightGBM, ενός πλαισίου ενίσχυσης κλίσης (gradient boosting) που βασίζεται σε ιστογράμματα. Το μοντέλο επιλέγει επαναληπτικά τις πιο ενημερωτικές μη επισημασμένες παρουσίες (instances) για ανθρώπινη σχολιασμό, επανεκπαιδεύει το LightGBM στο αυξανόμενο επισημασμένο σύνολο και συγκλίνει σε υψηλή ακρίβεια με πολύ λιγότερα επισημασμένα παραδείγματα από την παθητική επιβλεπόμενη μάθηση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/el/machine-learning/active-learning-lightgbm
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.
- Ενεργή ΜάθησηΜηχανική Μάθηση↔ compare
- Ενίσχυση Κλίσης (Gradient Boosting)Μηχανική Μάθηση↔ compare
- LightGBMΜηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →