Aktiivisen oppimisen tehostus
Aktiivisen oppimisen tehostus yhdistää aktiivisen oppimisen kyselypohjaisen merkintöjen hankinnan ja tehostusalgoritmien, kuten AdaBoostin, painotetun ensemble-logiikan. Malli valitsee iteratiivisesti informatiivisimmat merkitsemättömät esimerkit annotoitavaksi – ohjautuen tehostusensemblen sisäisen erimielisyyden tai epävarmuuden perusteella – ja kouluttaa uudelleen jokaisen uuden merkinnän jälkeen saavuttaen korkean tarkkuuden huomattavasti vähemmillä merkityillä esimerkeillä kuin passiivisessa oppimisessa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/fi/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.
- Aktiivisen oppimisen tukivektorikoneKoneoppiminen↔ compare
- BoostingKoneoppiminen↔ compare
- Online BoostingKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →