Aktīvās mācīšanās gradientu pastiprināšana
Aktīvās mācīšanās gradientu pastiprināšana apvieno gradientu pastiprināto koku jaudīgo prognozēšanas precizitāti ar aktīvās mācīšanās cilpu, kas atlasa informatīvākos neiezīmētos piemērus cilvēka anotācijai. Vaicājot tikai tās instances, par kurām modelis ir visnežēlīgākais, metode sasniedz augstu precizitāti ar krietni mazāk iezīmētiem piemēriem nekā pasīvā uzraudzītā mācīšanās.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/lv/machine-learning/active-learning-gradient-boosting
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.
- Aktīvā mācīšanāsMašīnmācīšanās↔ compare
- Gradient BoostingMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →