Machine learningMachine learning
Active Learning Voting Ensemble
Active Learning Voting Ensemble — 공식적으로 Query by Committee로 알려진 — 는 다양한 모델들로 구성된 위원회를 훈련시키고, 위원회 구성원들이 가장 많이 불일치하는 레이블 없는 예제들을 인간 주석용으로 선택하는 능동 학습 전략입니다. 가장 유익한 지점들에 레이블링 노력을 집중함으로써, 수동 학습이 요구하는 것보다 훨씬 적은 수의 레이블된 예제들로 높은 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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Active Learning with Voting Ensemble (Query by Committee). ScholarGate. https://scholargate.app/ko/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.
- 능동 학습머신러닝↔ compare
- 배깅 (Bootstrap Aggregating)머신러닝↔ compare
- 부스팅머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- Voting Ensemble머신러닝↔ compare