Bayesi aktiivõpe
Bayesi aktiivõpe (BAL) ühendab tõenäosusliku mudeli aktiivse päringustrateegiaga, et tuvastada märgistamata näited, mis märgistatuna vähendaksid kõige rohkem mudeli ebakindlust. Juhusliku andmete märgistamise asemel suunab BAL oraaklit – tavaliselt inimannoteerijat – punktidele, kus märgistamine annab suurima informatsioonikasvu, muutes selle äärmiselt märgistamisefektiivseks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/et/machine-learning/bayesian-active-learning
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.
- Aktiivne õppimineMasinõpe↔ compare
- Bayesian Logistic RegressionBayesi meetodid↔ compare
- Bayesi optimeerimine – järjestikune mudelipõhine hüperparameetrite häälestamineOptimeerimine↔ compare
- Väheste näidistega õppimineMasinõpe↔ compare
- Gaussi protsessMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →