[UNTRANSLATED: Active Learning LightGBM]
Active Learning LightGBM accoppia la strategia di selezione delle etichette efficiente in termini di query dell'apprendimento attivo con la velocità e l'accuratezza di LightGBM, un framework di gradient boosting basato su istogrammi. Il modello seleziona iterativamente le istanze non etichettate più informative per l'annotazione umana, riaddestra LightGBM sul set di dati etichettati in crescita e converge a un'elevata accuratezza con molti meno esempi etichettati rispetto all'apprendimento supervisionato passivo.
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. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/it/machine-learning/active-learning-lightgbm
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
- Gradient BoostingApprendimento automatico↔ compare
- LightGBMApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →