Pembelajaran Aktif K-Nearest Neighbors
Pembelajaran aktif dengan K-nearest neighbors menggabungkan prediksi berbasis instans KNN dengan strategi kueri iteratif yang memilih contoh tak berlabel yang paling informatif untuk anotasi. Model meminta label hanya untuk instans di mana margin pemungutan suara lingkungan terdekat paling sempit, mencapai akurasi yang kompetitif dengan contoh berlabel yang jauh lebih sedikit daripada KNN yang sepenuhnya diawasi pada data tabular.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/id/machine-learning/active-learning-k-nearest-neighbors
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Pembelajaran AktifPembelajaran Mesin↔ bandingkan
- Pohon Keputusan Pembelajaran AktifPembelajaran Mesin↔ bandingkan
- Regresi Logistik Pembelajaran AktifPembelajaran Mesin↔ bandingkan
- K-Nearest Neighbors Semi-TerawasiPembelajaran Mesin↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →