ScholarGate
Assistente
Machine learningMachine learning

Active Learning Boosting

Active Learning Boosting combina l'acquisizione di etichette guidata dalla query dell'active learning con la logica di ensemble pesato di algoritmi di boosting come AdaBoost. Il modello seleziona iterativamente gli esempi non etichettati più informativi da annotare — guidato dal disaccordo o dall'incertezza all'interno dell'ensemble di boosting — e riaddestra dopo ogni nuova etichetta, ottenendo un'elevata accuratezza con molti meno esempi etichettati rispetto all'apprendimento passivo.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link
  2. Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link

Come citare questa pagina

ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/it/machine-learning/active-learning-boosting

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.

Compare side by side

Citato da

ScholarGateActive learning Boosting (Active Learning with Boosting Ensembles). Consultato il 2026-06-15 da https://scholargate.app/it/machine-learning/active-learning-boosting · Insieme di dati: https://doi.org/10.5281/zenodo.20539026