Apprendimento Attivo Semi-Supervisionato
L'Apprendimento Attivo Semi-Supervisionato (SSAL) è un paradigma di apprendimento ibrido che combina la strategia di interrogazione selettiva dell'apprendimento attivo con la capacità dell'apprendimento semi-supervisionato di sfruttare dati non etichettati. Il modello seleziona iterativamente le istanze non etichettate più informative per l'annotazione da parte di esperti, sfruttando contemporaneamente il vasto pool di campioni non annotati per migliorare le proprie rappresentazioni, riducendo drasticamente i costi di etichettatura pur mantenendo una forte accuratezza predittiva.
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. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-active-learning
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
- Label PropagationApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →