Machine learningMachine learning

Gradient Boosting de Aprendizaje Activo

El Gradient Boosting de Aprendizaje Activo combina la potente precisión predictiva de los árboles de gradient boosting con un bucle de aprendizaje activo que selecciona los ejemplos no etiquetados más informativos para anotación humana. Al consultar solo las instancias sobre las que el modelo tiene mayor incertidumbre, el método logra una alta precisión con muchos menos ejemplos etiquetados que el aprendizaje supervisado pasivo.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Gradient Boosting de Aprendizaje Activo
Aprendizaje activoGradient BoostingRandom ForestXGBoost

Fuentes

  1. Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link
  2. Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451

Cómo citar esta página

ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/es/machine-learning/active-learning-gradient-boosting

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 Gradient Boosting (Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees)). Recuperado el 2026-06-15 de https://scholargate.app/es/machine-learning/active-learning-gradient-boosting · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026