Active Learning LightGBM
Active Learning LightGBM combina la estrategia de selección de etiquetas eficiente en consultas del aprendizaje activo con la velocidad y precisión de LightGBM, un marco de *gradient boosting* basado en histogramas. El modelo selecciona iterativamente las instancias no etiquetadas más informativas para anotación humana, reentrena LightGBM con el conjunto de datos etiquetados en crecimiento y converge a alta precisión con muchos menos ejemplos etiquetados que el aprendizaje supervisado pasivo.
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. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/es/machine-learning/active-learning-lightgbm
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
- Gradient BoostingAprendizaje automático↔ compare
- LightGBMAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →