Machine learningMachine learning
アクティブラーニング・ガウス混合モデル
アクティブラーニング・ガウス混合モデル（Active Learning Gaussian Mixture Model）は、反復的なクエリ戦略とガウス混合モデル（GMM）学習器を組み合わせたアルゴリズムである。このアルゴリズムは、最も情報量の多いラベルなしデータ点（通常は予測不確実性が最も高いもの）を選択し、それをオラクル（正解ラベルを付与する者）に提示してラベル付けさせ、増え続けるラベル付きデータセットを用いてEMアルゴリズムによりGMMを再学習させる。結果として、はるかに少ないラベル付きデータ例で、完全なデータと同等の品質を持つ密度モデルが得られる。
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.
出典
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
このページの引用方法
ScholarGate. (2026, June 3). Active Learning with Gaussian Mixture Model. ScholarGate. https://scholargate.app/ja/machine-learning/active-learning-gaussian-mixture-model
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.
- アクティブラーニング・ガウシアンプロセス機械学習↔ compare
- ベイズ混合ガウスモデル機械学習↔ compare
- 半教師ありガウス混合モデル機械学習↔ compare
- 半教師あり学習機械学習↔ compare