Machine learningMachine learning
アクティブラーニング投票アンサンブル
アクティブラーニング投票アンサンブル（正式にはクエリ・バイ・コミッティとして知られる）は、多様なモデルの委員会を訓練し、委員会メンバー間の意見の不一致が最も大きい未ラベルの例を人間の注釈のために選択するアクティブラーニング戦略です。最も情報量の多い点に注釈付けの労力を集中させることで、パッシブラーニングが必要とするよりもはるかに少ないラベル付き例で高い精度を達成します。
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
- Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT '92), pp. 287–294. ACM. DOI: 10.1145/130385.130417 ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Active Learning with Voting Ensemble (Query by Committee). ScholarGate. https://scholargate.app/ja/machine-learning/active-learning-voting-ensemble
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
- バギング（ブートストラップ集約）機械学習↔ compare
- ブースティング機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 投票アンサンブル機械学習↔ compare