Aktiivisen oppimisen LightGBM
Aktiivisen oppimisen LightGBM yhdistää aktiivisen oppimisen kyselytehokkaan etiketinhallintastrategian LightGBM:n, histogrammipohjaisen gradienttivahvistuskehyksen, nopeuteen ja tarkkuuteen. Malli valitsee iteratiivisesti informatiivisimmat merkitsemättömät esiintymät ihmisen annotointia varten, kouluttaa LightGBM:n uudelleen kasvavalla merkityllä joukolla ja konvergoi korkeaan tarkkuuteen huomattavasti vähemmillä merkityillä esimerkeillä kuin passiivinen ohjattu oppiminen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/fi/machine-learning/active-learning-lightgbm
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.
- Aktiivinen oppiminenKoneoppiminen↔ compare
- Gradient BoostingKoneoppiminen↔ compare
- LightGBMKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →