Aktīvā mācīšanās LightGBM
Active Learning LightGBM apvieno efektīvu vaicājumu balstītu etiķešu izvēles stratēģiju ar LightGBM ātrumu un precizitāti — uz histogrammām balstītu gradientu pastiprināšanas sistēmu. Modelis iteratīvi izvēlas informatīvākās neiezīmētās instances cilvēka anotēšanai, atkārtoti apmāca LightGBM uz augošā iezīmētā kopuma un sasniedz augstu precizitāti, izmantojot krietni mazāk iezīmētu piemēru nekā pasīvā uzraudzītā apmācība.
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. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/lv/machine-learning/active-learning-lightgbm
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
- LightGBMMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →