ScholarGate
Assistent
Machine learningMachine learning

Veebipõhine aktiivõpe

Veebipõhine aktiivõpe ühendab kahte täiendavat paradigma: see töötleb andmeid voona (veebipõhine õpe) ja valib selektiivselt märgistusi ainult kõige informatiivsemate üksuste jaoks (aktiivõpe). Tulemuseks on mudel, mis kohandub pidevalt uute andmetega, hoides samal ajal märgistamiskulud madalad – kasulik alati, kui märgistatud andmed on kallid ja näited saabuvad järjestikku, mitte kõik korraga.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

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

Allikad

  1. Cesa-Bianchi, N., Gentile, C., & Zaniboni, L. (2006). Worst-case analysis of selective sampling for linear classification. Journal of Machine Learning Research, 7, 1205–1230. link
  2. Sculley, D. (2007). Online active learning methods for fast label-efficient spam filtering. Proceedings of the Fourth Conference on Email and Anti-Spam (CEAS 2007). link

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/et/machine-learning/online-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.

Compare side by side
ScholarGateOnline Active learning (Online Active Learning (Streaming Active Learning)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/machine-learning/online-active-learning · Andmestik: https://doi.org/10.5281/zenodo.20539026