Beiziešu aktīvā mācīšanās
Beiziešu aktīvā mācīšanās (BAL) apvieno probablistisku modeli ar aktīvu vaicājumu stratēģiju, lai identificētu nenosauktos piemērus, kas, pēc marķēšanas, visvairāk samazinātu modeļa nenoteiktību. Tā vietā, lai marķētu datus nejauši, BAL virza orākuli — parasti cilvēku anotatoru — uz punktiem, kur marķēšana sniegs vislielāko informācijas ieguvumu, padarot to ļoti efektīvu attiecībā uz marķēšanu.
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
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/lv/machine-learning/bayesian-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.
- Aktīvā mācīšanāsMašīnmācīšanās↔ compare
- Bayesiskā loģistikā regresijaBajesa metodes↔ compare
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Mācīšanās ar maziem paraugu skaituMašīnmācīšanās↔ compare
- Gausa processMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →