Machine learningMachine learning
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・ガウシアンプロセス（GP-AL）は、ガウシアンプロセス確率モデルとアクティブラーニングのクエリ戦略を組み合わせたもので、GPの後部不確実性を用いて最も情報量の多いラベルなしサンプルを選択してラベル付けを行います。この反復的なアプローチは、ラベル付けの労力を最小限に抑えつつ予測精度を最大化するため、ラベル付きデータが乏しい、または取得コストが高い場合に理想的です。
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
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/ja/machine-learning/active-learning-gaussian-process
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 →