एक्टिव लर्निंग लाइटजीबीएम
एक्टिव लर्निंग लाइटजीबीएम, एक्टिव लर्निंग की क्वेरी-कुशल लेबल-चयन रणनीति को लाइटजीबीएम की गति और सटीकता के साथ जोड़ता है, जो एक हिस्टोग्राम-आधारित ग्रेडिएंट बूस्टिंग फ्रेमवर्क है। यह मॉडल पुनरावृत्ति रूप से मानव एनोटेशन के लिए सबसे जानकारीपूर्ण अनलेबल उदाहरणों का चयन करता है, बढ़ते हुए लेबल वाले सेट पर लाइटजीबीएम को फिर से प्रशिक्षित करता है, और निष्क्रिय पर्यवेक्षित शिक्षण की तुलना में बहुत कम लेबल वाले उदाहरणों के साथ उच्च सटीकता में परिवर्तित होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/hi/machine-learning/active-learning-lightgbm
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.
- सक्रिय अधिगममशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लाइटजीबीएममशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare