Apprentissage actif par ensemble
L'apprentissage actif par ensemble combine un comité de modèles diversifiés avec une boucle d'apprentissage actif pour sélectionner les exemples non étiquetés les plus informatifs à étiqueter. Issu du cadre Query by Committee (QBC) introduit par Seung et al. (1992), il utilise le désaccord entre les membres du comité comme signal d'incertitude, réduisant ainsi le nombre d'exemples étiquetés nécessaires pour obtenir de fortes performances prédictives.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/fr/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.
- Apprentissage actifApprentissage automatique↔ compare
- BoostingApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
- Ensemble par voteApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →