Apprentissage actif K-plus proches voisins
L'apprentissage actif avec les K plus proches voisins combine la prédiction basée sur les instances de KNN avec une stratégie de requête itérative qui sélectionne les exemples non étiquetés les plus informatifs à annoter. Le modèle demande des étiquettes uniquement pour les instances où les marges de vote du voisinage sont les plus étroites, atteignant une précision compétitive avec beaucoup moins d'exemples étiquetés que le KNN entièrement supervisé sur des données tabulaires.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/fr/machine-learning/active-learning-k-nearest-neighbors
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.
- Apprentissage actifApprentissage automatique↔ compare
- Arbre de décision en apprentissage actifApprentissage automatique↔ compare
- Régression logistique avec apprentissage actifApprentissage automatique↔ compare
- K-plus proches voisins semi-supervisésApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →