Aktīvā apmācība ar K-tuvākajiem kaimiņiem
Aktīvā apmācība ar K-tuvākajiem kaimiņiem apvieno KNN gadījuma veida prognozēšanu ar iteratīvu vaicājumu stratēģiju, kas atlasa informatīvākos neiezīmētos piemērus anotēšanai. Modelis pieprasa iezīmes tikai gadījumos, kad kaimiņu balsojuma starpības ir visšaurākās, tādējādi sasniedzot konkurētspējīgu precizitāti ar daudz mazāk iezīmētiem piemēriem nekā pilnībā uzraudzīta KNN tabulas datos.
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 ↗
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/lv/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.
- Aktīvā mācīšanāsMašīnmācīšanās↔ compare
- Aktīvā mācīšanās lēmumu koksMašīnmācīšanās↔ compare
- Loģistikās regresijas aktīvā apguveMašīnmācīšanās↔ compare
- Pusgadīgi K tuvāko kaimiņu metodeMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →