Machine learningMachine learning
앙상블 능동 학습
앙상블 능동 학습은 다양한 모델 위원회와 능동 학습 루프를 결합하여 레이블링에 가장 유익한 레이블 없는 예제를 선택합니다. 1992년 Seung 등이 소개한 위원회 질의(Query by Committee) 프레임워크에 뿌리를 두고 있으며, 위원회 구성원 간의 불일치를 불확실성의 신호로 사용하여 강력한 예측 성능을 달성하는 데 필요한 레이블 예제 수를 줄입니다.
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 1992), pp. 287–294. ACM. link ↗
- 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). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/ko/machine-learning/ensemble-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.
- 능동 학습머신러닝↔ compare
- 부스팅머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- Voting Ensemble머신러닝↔ compare