Aktivno učenje s pojačanjem
Aktivno učenje s pojačanjem kombinira stjecanje oznaka vođeno upitima iz aktivnog učenja s logikom ponderiranih ansambala algoritama pojačanja kao što je AdaBoost. Model iterativno odabire najinformativnije neoznačene primjere za anotiranje — vođen neslaganjem ili nesigurnošću unutar ansambla pojačanja — i ponovno trenira nakon svake nove oznake, postižući visoku točnost s daleko manje označenih primjera nego pasivno učenje.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/hr/machine-learning/active-learning-boosting
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.
- Aktivno učenje potpornih vektorskih strojevaStrojno učenje↔ compare
- BoostingStrojno učenje↔ compare
- Online BoostingStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →