Machine learningMachine learning
オンライン能動学習
オンライン能動学習は、相補的な2つのパラダイムを組み合わせたものです。すなわち、データをストリームとして処理し（オンライン学習）、最も情報量の多いインスタンスに対してのみ選択的にラベルを要求します（能動学習）。その結果、ラベル付きデータが高価であり、かつデータが一度にすべてではなく順次到着するような場合に有用な、新しいデータに継続的に適応しつつラベリングコストを低く抑えるモデルが実現します。
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
- Cesa-Bianchi, N., Gentile, C., & Zaniboni, L. (2006). Worst-case analysis of selective sampling for linear classification. Journal of Machine Learning Research, 7, 1205–1230. link ↗
- Sculley, D. (2007). Online active learning methods for fast label-efficient spam filtering. Proceedings of the Fourth Conference on Email and Anti-Spam (CEAS 2007). link ↗
このページの引用方法
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/ja/machine-learning/online-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.
- アクティブラーニング機械学習↔ compare
- Few-shot Learning機械学習↔ compare
- オンライン学習機械学習↔ compare
- オンラインロジスティック回帰機械学習↔ compare
- オンラインランダムフォレスト機械学習↔ compare
- 半教師あり学習機械学習↔ compare