یادگیری فعال با تقویت گرادیان
یادگیری فعال با تقویت گرادیان، دقت پیشبینی قدرتمند درختان تقویتشده با گرادیان را با یک حلقه یادگیری فعال ترکیب میکند که آموزندهترین نمونههای بدون برچسب را برای حاشیهنویسی انسانی انتخاب میکند. با پرسوجو فقط از نمونههایی که مدل نسبت به آنها بیشترین عدم قطعیت را دارد، این روش با تعداد بسیار کمتری از مثالهای برچسبدار نسبت به یادگیری نظارتشده 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
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/fa/machine-learning/active-learning-gradient-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.
- یادگیری فعالیادگیری ماشین↔ compare
- گرادیان بوستینگ (Gradient Boosting)یادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- XGBoostیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →