Albero decisionale di apprendimento attivo
L'apprendimento attivo con un albero decisionale combina la struttura interpretabile di un albero in stile CART con una strategia di interrogazione che seleziona le istanze non etichettate più informative per l'annotazione umana. Il modello richiede iterativamente etichette solo per gli esempi di cui è più incerto, minimizzando i costi di etichettatura e massimizzando l'accuratezza della classificazione sui dati tabulari.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth & Brooks. ISBN: 978-0-412-04841-8
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning with Decision Tree Classifier. ScholarGate. https://scholargate.app/it/machine-learning/active-learning-decision-tree
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.
- Active LearningApprendimento automatico↔ compare
- Regressione Logistica con Apprendimento AttivoApprendimento automatico↔ compare
- Albero decisionaleApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- Albero decisionale semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →