Online aktivno učenje
Online aktivno učenje kombinira dva komplementarna pristupa: obrađuje podatke kao struju (online učenje) i selektivno zahtijeva oznake samo za najinformativnije primjere (aktivno učenje). Rezultat je model koji se kontinuirano prilagođava novim podacima uz zadržavanje niskih troškova označavanja — korisno kad god su označeni podaci skupi, a primjeri pristižu sekvencijalno, a ne svi odjednom.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/hr/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.
- Aktivno učenjeStrojno učenje↔ compare
- Učenje s malo primjeraStrojno učenje↔ compare
- Mrežno učenjeStrojno učenje↔ compare
- Online logistička regresijaStrojno učenje↔ compare
- Online Random ForestStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →