ماشین بردار پشتیبان یادگیری فعال
ماشین بردار پشتیبان (SVM) یادگیری فعال، مرز تصمیمگیری قوی ماشینهای بردار پشتیبان را با یک استراتژی پرسوجوی هوشمند ترکیب میکند که آموزندهترین نمونههای بدون برچسب را برای حاشیهنویسی انسانی انتخاب میکند. این روش که در سال ۲۰۰۱ توسط تونگ و کولر معرفی شد، با استفاده از مثالهای برچسبدار بسیار کمتر از یادگیری نظارتشده منفعل، به دقت طبقهبندی بالایی دست مییابد و آن را در مواردی که برچسبگذاری پرهزینه یا کند است، عملی میسازد.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). 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 Support Vector Machine. ScholarGate. https://scholargate.app/fa/machine-learning/active-learning-support-vector-machine
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.
- جنگل تصادفییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- ماشین بردار پشتیبان (طبقهبندی)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →