Apprentissage actif avec LightGBM
Apprentissage actif avec LightGBM couple la stratégie de sélection de requêtes économe en étiquettes de l'apprentissage actif avec la rapidité et la précision de LightGBM, un cadre d'amplification de gradient basé sur des histogrammes. Le modèle sélectionne itérativement les instances non étiquetées les plus informatives pour une annotation humaine, réentraîne LightGBM sur l'ensemble étiqueté croissant, et converge vers une grande précision avec beaucoup moins d'exemples étiquetés que l'apprentissage supervisé passif.
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. (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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/fr/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.
- Apprentissage actifApprentissage automatique↔ compare
- Gradient BoostingApprentissage automatique↔ compare
- LightGBMApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- XGBoostApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →