למידה פעילה מונחית-למחצה
למידה פעילה מונחית-למחצה (SSAL) היא פרדיגמת למידה היברידית המשלבת את אסטרטגיית השאילתה הסלקטיבית של למידה פעילה עם היכולת של למידה מונחית-למחצה לנצל נתונים לא מתויגים. המודל בוחר באופן איטרטיבי את הדגימות הלא מתויגות האינפורמטיביות ביותר לצורך תיוג על ידי מומחה, תוך ניצול מאגר גדול של דגימות לא מתויגות לשיפור הייצוגים שלו, מה שמפחית באופן דרמטי את עלויות התיוג תוך שמירה על דיוק חיזוי חזק.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-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.
- למידה פעילהלמידת מכונה↔ compare
- אלגוריתם התפשטות התוויות (Label Propagation)למידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare