Machine learningInteractive ML
アクティブラーニング
アクティブラーニングは、学習アルゴリズムが最も情報量の多いラベルなしサンプルに対して選択的にオラクル（通常は人間の注釈者）にラベル付けを問い合わせる、反復的な機械学習パラダイムである。2009年の画期的な文献レビューでBurr Settlesによって形式化されたアクティブラーニングは、受動的教師あり学習が必要とするよりもはるかに少ないラベル付きサンプルで高いモデル精度を達成することにより、注釈コストの実用的なボトルネックに対処する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+18 more
出典
- Settles, B. (2009). Active learning literature survey. University of Wisconsin-Madison Computer Sciences Technical Report 1648. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Active Learning (Human-in-the-Loop). ScholarGate. https://scholargate.app/ja/machine-learning/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.
Compare side by side →この手法を参照する項目
アクティブラーニング相関ルール能動学習決定木アクティブラーニングと連合学習アクティブラーニング・ガウシアンプロセスアクティブラーニング勾配ブースティングアクティブラーニングアイソレーションフォレストアクティブラーニングK近傍法 (Active Learning K-Nearest Neighbors)アクティブラーニングLightGBMアクティブラーニング・ワンクラスSVM自己教師あり学習を伴うアクティブラーニングアクティブラーニング・スタッキング・アンサンブルアクティブラーニング投票アンサンブルベイジアン能動学習カリキュラム学習アンサンブル・アクティブ・ラーニングアンサンブルオンライン学習オンライン能動学習オンライン学習オンライン半教師あり学習ロバスト能動学習ロバストオンライン学習自己教師あり能動学習半教師あり能動学習半教師あり K-means半教師あり学習半教師ありオンライン学習