Pembelajaran Aktif Bayesian
Pembelajaran Aktif Bayesian (BAL) menggabungkan model probabilistik dengan strategi kueri aktif untuk mengidentifikasi contoh tak berlabel yang, setelah diberi label, akan paling mengurangi ketidakpastian model. Alih-alih memberi label data secara acak, BAL memandu sebuah oracle — biasanya anotator manusia — menuju titik-titik di mana pelabelan akan memberikan perolehan informasi terbesar, membuatnya sangat efisien dalam pelabelan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/id/machine-learning/bayesian-active-learning
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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Regresi Logistik BayesianBayesian↔ compare
- Optimasi BayesianOptimasi↔ compare
- Pembelajaran Sedikit Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Proses GaussianPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →