Ensemble Active Learning
Ensemble Active Learning yhdistää monimuotoisten mallien komitean aktiivisen oppimisen silmukkaan valitakseen informatiivisimpia merkitsemättömiä esimerkkejä merkittäväksi. Seung et al. (1992) esittelemän Query by Committee -kehyksen pohjalta se käyttää komitean jäsenten välistä erimielisyyttä epävarmuuden signaalina, vähentäen merkittyjen esimerkkien määrää, jota tarvitaan vahvan ennustustehokkuuden saavuttamiseksi.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT 1992), pp. 287–294. ACM. 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). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/fi/machine-learning/ensemble-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
- BoostingKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Ääniennuste (Voting Ensemble)Koneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →