Machine learningMachine learning
능동 학습 의사결정 트리
능동 학습과 의사결정 트리를 결합하면 CART 스타일 트리의 해석 가능한 구조와 인간 주석을 위해 가장 유익한 레이블 없는 인스턴스를 선택하는 쿼리 전략을 결합할 수 있습니다. 이 모델은 불확실성이 가장 높은 예시에 대해서만 반복적으로 레이블을 요청하여, 레이블 비용을 최소화하면서 표 형식 데이터에 대한 분류 정확도를 최대화합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and Regression Trees. Wadsworth & Brooks. ISBN: 978-0-412-04841-8
이 페이지 인용 방법
ScholarGate. (2026, June 3). Active Learning with Decision Tree Classifier. ScholarGate. https://scholargate.app/ko/machine-learning/active-learning-decision-tree
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.
- 능동 학습머신러닝↔ compare
- Active Learning Logistic Regression머신러닝↔ compare
- 결정 트리머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 준지도 학습 결정 트리머신러닝↔ compare