Machine learningMachine learning
アクティブラーニングLightGBM
アクティブラーニングLightGBMは、アクティブラーニングのクエリ効率的なラベル選択戦略と、ヒストグラムベースの勾配ブースティングフレームワークであるLightGBMの速度と精度を組み合わせています。このモデルは、人間による注釈付けのために最も情報量の多いラベルなしインスタンスを反復的に選択し、増え続けるラベル付きセットでLightGBMを再トレーニングし、受動的な教師あり学習よりもはるかに少ないラベル付き例で高い精度に収束します。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ja/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.
- アクティブラーニング機械学習↔ compare
- 勾配ブースティング機械学習↔ compare
- LightGBM機械学習↔ compare
- ランダムフォレスト機械学習↔ compare
- XGBoost機械学習↔ compare