Μηχανή Υποστήριξης Διανυσμάτων Ενεργητικής Μάθησης
Η Μηχανή Υποστήριξης Διανυσμάτων Ενεργητικής Μάθησης (Active Learning SVM) συνδυάζει την ισχυρή οριοθέτηση αποφάσεων των μηχανών υποστήριξης διανυσμάτων με μια ευφυή στρατηγική ερωτήσεων που επιλέγει τις πλέον πληροφοριακές μη επισημασμένες περιπτώσεις για ανθρώπινη σχολιασμό. Παρουσιάστηκε από τους Tong και Koller το 2001 και επιτυγχάνει υψηλή ακρίβεια ταξινόμησης χρησιμοποιώντας πολύ λιγότερα επισημασμένα παραδείγματα από την παθητική επιβλεπόμενη μάθηση, καθιστώντας την πρακτική όποτε η επισήμανση είναι δαπανηρή ή αργή.
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
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/el/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.
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Μηχανή Υποστήριξης Διανυσμάτων (Ταξινόμηση)Μηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →