Bayesiläinen aktiivinen oppiminen
Bayesiläinen aktiivinen oppiminen (BAL) yhdistää probabilistisen mallin ja aktiivisen kyselystrategian tunnistamaan merkitsemättömät esimerkit, jotka merkittyinä vähentäisivät mallin epävarmuutta eniten. Sen sijaan, että dataa merkittäisiin satunnaisesti, BAL ohjaa oraakkelia – tyypillisesti ihmisanotoijaa – kohti pisteitä, joissa merkintä tuottaa suurimman informaatiovoiton, mikä tekee siitä erittäin tehokkaan merkintöjen suhteen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/fi/machine-learning/bayesian-active-learning
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
- Bayesilainen logistinen regressioBayesilainen tilastotiede↔ compare
- Bayesiläinen optimointiOptimointi↔ compare
- Few-shot LearningKoneoppiminen↔ compare
- Gaussinen prosessiKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →