ऑनलाइन सक्रिय अधिगम
ऑनलाइन सक्रिय अधिगम दो पूरक प्रतिमानों को जोड़ता है: यह डेटा को एक स्ट्रीम (ऑनलाइन अधिगम) के रूप में संसाधित करता है और केवल सबसे जानकारीपूर्ण उदाहरणों (सक्रिय अधिगम) के लिए चुनिंदा रूप से लेबल का अनुरोध करता है। इसका परिणाम एक ऐसा मॉडल है जो लेबलिंग लागत को कम रखते हुए नए डेटा के अनुकूल होता है - यह तब उपयोगी होता है जब लेबल किया गया डेटा महंगा हो और उदाहरण क्रमिक रूप से आते हों, न कि एक साथ।
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
- 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 ↗
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/hi/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.
- सक्रिय अधिगममशीन अधिगम↔ compare
- फ्यू-शॉट लर्निंगमशीन अधिगम↔ compare
- ऑनलाइन लर्निंगमशीन अधिगम↔ compare
- ऑनलाइन लॉजिस्टिक रिग्रेशनमशीन अधिगम↔ compare
- ऑनलाइन रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare