Machine à vecteurs de support par apprentissage actif
L'apprentissage actif SVM combine la forte frontière de décision des machines à noyau de support avec une stratégie de requête intelligente qui sélectionne les instances non étiquetées les plus informatives pour l'annotation humaine. Introduit par Tong et Koller en 2001, il atteint une précision de classification élevée en utilisant beaucoup moins d'exemples étiquetés que l'apprentissage supervisé passif, ce qui le rend pratique lorsque l'étiquetage est coûteux ou lent.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/fr/machine-learning/active-learning-support-vector-machine
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.
- Forêt AléatoireApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
- Machine à vecteurs de support (Classification)Apprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →