Machine learningMachine learning
능동 학습 K-최근접 이웃
능동 학습 K-최근접 이웃(Active Learning K-Nearest Neighbors)은 KNN의 사례 기반 예측과, 가장 유익한 레이블 없는(unlabeled) 예제를 주석 달기(annotation) 위해 선택하는 반복적 질의 전략을 결합합니다. 이 모델은 이웃 투표 여백이 가장 좁은 인스턴스에 대해서만 레이블을 요청하며, 완전 지도 학습 KNN보다 훨씬 적은 레이블 예제로도 표 형식 데이터(tabular data)에서 경쟁력 있는 정확도를 달성합니다.
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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/ko/machine-learning/active-learning-k-nearest-neighbors
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
- 능동 학습 의사결정 트리머신러닝↔ compare
- Active Learning Logistic Regression머신러닝↔ compare
- 준지도 K-최근접 이웃 (Semi-supervised K-Nearest Neighbors)머신러닝↔ compare