Machine learningMachine learning

למידה פעילה מקוונת

למידה פעילה מקוונת משלבת שתי פרדיגמות משלימות: היא מעבדת נתונים כזרם (למידה מקוונת) ומבקשת באופן סלקטיבי תוויות רק עבור הדגימות האינפורמטיביות ביותר (למידה פעילה). התוצאה היא מודל שמתאים את עצמו באופן רציף לנתונים חדשים תוך שמירה על עלויות תיוג נמוכות – שימושי בכל פעם שנתונים מתויגים יקרים והדוגמאות מגיעות באופן סדרתי ולא בבת אחת.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Cesa-Bianchi, N., Gentile, C., & Zaniboni, L. (2006). Worst-case analysis of selective sampling for linear classification. Journal of Machine Learning Research, 7, 1205–1230. link
  2. Sculley, D. (2007). Online active learning methods for fast label-efficient spam filtering. Proceedings of the Fourth Conference on Email and Anti-Spam (CEAS 2007). link

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/he/machine-learning/online-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.

Compare side by side
ScholarGateOnline Active learning (Online Active Learning (Streaming Active Learning)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/online-active-learning · מערך נתונים: https://doi.org/10.5281/zenodo.20539026