تقویت یادگیری فعال
تقویت یادگیری فعال، کسب برچسب مبتنی بر پرسوجو در یادگیری فعال را با منطق مجموعههای وزندار الگوریتمهای تقویت مانند AdaBoost ترکیب میکند. این مدل به طور تکراری آموزندهترین نمونههای بدون برچسب را برای حاشیهنویسی انتخاب میکند — که با اختلاف نظر یا عدم قطعیت در مجموعه تقویت هدایت میشود — و پس از هر برچسب جدید، دوباره آموزش میبیند و با مثالهای برچسبگذاری شده بسیار کمتر از یادگیری منفعل، به دقت بالایی دست مییابد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/fa/machine-learning/active-learning-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.
- ماشین بردار پشتیبان یادگیری فعالیادگیری ماشین↔ compare
- بوستینگیادگیری ماشین↔ compare
- Online Boostingیادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →