Active Learning LightGBM
Az Active Learning LightGBM a tanulás hatékony lekérdezés-alapú címke-kiválasztási stratégiáját ötvözi a LightGBM, egy histogram-alapú gradiens-kiemeléses keretrendszer sebességével és pontosságával. A modell iteratívan kiválasztja a leginformatívabb címkézetlen példányokat emberi annotációra, újra betanítja a LightGBM-et a növekvő címkézett halmazon, és sokkal kevesebb címkézett példánnyal ér el magas pontosságot, mint a passzív felügyelt 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
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/hu/machine-learning/active-learning-lightgbm
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
- Gradient BoostingGépi tanulás↔ compare
- LightGBMGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →