Apprentissage Actif Bayésien
L'apprentissage actif bayésien (BAL) combine un modèle probabiliste avec une stratégie de requête active pour identifier les exemples non étiquetés qui, une fois étiquetés, réduiraient le plus l'incertitude du modèle. Au lieu d'étiqueter les données au hasard, le BAL guide un oracle — généralement un annotateur humain — vers les points où l'étiquetage fournira le gain d'information le plus important, ce qui le rend très efficace en termes d'étiquetage.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/fr/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.
- Apprentissage actifApprentissage automatique↔ compare
- Régression logistique bayésienneBayésien↔ compare
- Optimisation bayésienneOptimisation↔ compare
- Apprentissage à peu d'exemplesApprentissage automatique↔ compare
- Processus GaussienApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →