Árbol de decisión de aprendizaje activo
El aprendizaje activo con un árbol de decisión combina la estructura interpretable de un árbol estilo CART con una estrategia de consulta que selecciona las instancias no etiquetadas más informativas para anotación humana. El modelo solicita iterativamente etiquetas solo para los ejemplos sobre los cuales tiene mayor incertidumbre, minimizando el costo de etiquetado y maximizando la precisión de clasificación en datos tabulares.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth & Brooks. ISBN: 978-0-412-04841-8
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning with Decision Tree Classifier. ScholarGate. https://scholargate.app/es/machine-learning/active-learning-decision-tree
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.
- Aprendizaje activoAprendizaje automático↔ compare
- Regresión logística de aprendizaje activoAprendizaje automático↔ compare
- Árbol de DecisiónAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- Árbol de Decisión SemisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →