Proceso Gaussiano de Aprendizaje Activo
El Proceso Gaussiano de Aprendizaje Activo (GP-AL) combina un modelo probabilístico de proceso gaussiano con una estrategia de consulta de aprendizaje activo, utilizando la incertidumbre posterior del GP para seleccionar los ejemplos no etiquetados más informativos para su etiquetado. Este enfoque iterativo minimiza el esfuerzo de etiquetado mientras maximiza la precisión predictiva, lo que lo hace ideal cuando los datos etiquetados son escasos o caros de obtener.
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
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/es/machine-learning/active-learning-gaussian-process
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
- Proceso Gaussiano BayesianoAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Proceso Gaussiano SemisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →