Aktív Tanulás K-Legközelebbi Szomszédok
A K-legközelebbi szomszédokkal (KNN) történő aktív tanulás ötvözi a KNN példányalapú előrejelzését egy iteratív lekérdezési stratégiával, amely a leginformatívabb címkézetlen példákat választja ki annotálásra. A modell csak olyan példányokhoz kér címkéket, ahol a szomszédsági szavazati arányok a legszűkebbek, így versenyképes pontosságot ér el sokkal kevesebb címkézett példával, mint a teljesen felügyelt KNN táblázatos adatokon.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/hu/machine-learning/active-learning-k-nearest-neighbors
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
- Aktív Tanulási Döntési FaGépi tanulás↔ compare
- Logisztikus regresszióval végzett aktív tanulásGépi tanulás↔ compare
- Félfelügyelt K-legközelebbi szomszédokGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →