Gaussian Process per l'Apprendimento Attivo
Gaussian Process per l'Apprendimento Attivo (GP-AL) combina un modello probabilistico Gaussian Process con una strategia di query di apprendimento attivo, utilizzando l'incertezza posteriore del GP per selezionare gli esempi non etichettati più informativi da etichettare. Questo approccio iterativo minimizza lo sforzo di etichettatura massimizzando l'accuratezza predittiva, rendendolo ideale quando i dati etichettati sono scarsi o costosi da ottenere.
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
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/it/machine-learning/active-learning-gaussian-process
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
- Processo Gaussiano BayesianoApprendimento automatico↔ compare
- Processo GaussianoApprendimento automatico↔ compare
- Processo Gaussiano Semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →