K-Vecinos más Cercanos con Aprendizaje Activo
El aprendizaje activo con K-Vecinos más Cercanos (KNN) combina la predicción basada en instancias de KNN con una estrategia de consulta iterativa que selecciona los ejemplos no etiquetados más informativos para su anotación. El modelo solicita etiquetas solo para instancias donde los márgenes de votación del vecindario son más estrechos, logrando una precisión competitiva con muchos menos ejemplos etiquetados que un KNN totalmente supervisado 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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/es/machine-learning/active-learning-k-nearest-neighbors
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
- Árbol de decisión de aprendizaje activoAprendizaje automático↔ compare
- Regresión logística de aprendizaje activoAprendizaje automático↔ compare
- K-vecinos más cercanos semi-supervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →