Aktív Tanulás Erősítéssel
Az Active Learning Boosting (aktív tanulási erősítés) az aktív tanulás lekérdezésvezérelt címke-szerzési képességét ötvözi az olyan erősítő algoritmusok súlyozott-együttes logikájával, mint az AdaBoost. A modell iteratívan kiválasztja a leginformatívabb címkézetlen példányokat az annotáláshoz – az erősítő együttesen belüli eltérés vagy bizonytalanság által vezérelve –, és minden új címke után újra tanít, így sokkal kevesebb címkézett példánnyal ér el magas pontosságot, mint a passzív tanulás.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/hu/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.
- Aktív tanulású Support Vector MachineGépi tanulás↔ compare
- BoostingGépi tanulás↔ compare
- Online BoostingGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →