Aktív Tanulás Gaussziánus Folyamat
Az Aktív Tanulás Gaussziánus Folyamat (GP-AL) egy Gaussziánus folyamat valószínűségi modellt kombinál egy aktív tanulási lekérdezési stratégiával, a GP utólagos bizonytalanságát használva a leginformatívabb címkézetlen példányok kiválasztására a címkézéshez. Ez az iteratív megközelítés minimalizálja a címkézési erőfeszítést, miközben maximalizálja a prediktív pontosságot, így ideális, ha a címkézett adatok szűkösek vagy drágák.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/hu/machine-learning/active-learning-gaussian-process
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 tanulásGépi tanulás↔ compare
- Bayesiánus Gauss-folyamatGépi tanulás↔ compare
- Gauss-folyamatGépi tanulás↔ compare
- Félfelügyelt Gausszi-folyamGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →