Apprendimento Attivo K-Nearest Neighbors
L'apprendimento attivo con K-nearest neighbors (KNN) combina la predizione basata su istanze del KNN con una strategia di interrogazione iterativa che seleziona gli esempi non etichettati più informativi per l'annotazione. Il modello richiede etichette solo per le istanze in cui i margini di voto del vicinato sono più ristretti, raggiungendo un'accuratezza competitiva con un numero significativamente inferiore di esempi etichettati rispetto al KNN completamente supervisionato su 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/it/machine-learning/active-learning-k-nearest-neighbors
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
- Albero decisionale di apprendimento attivoApprendimento automatico↔ compare
- Regressione Logistica con Apprendimento AttivoApprendimento automatico↔ compare
- K-Nearest Neighbors semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →