Saliekamā aktīvā mācīšanās
Saliekamā aktīvā mācīšanās apvieno dažādu modeļu komiteju ar aktīvās mācīšanās cilpu, lai atlasītu informatīvākos neiezīmētos piemērus marķēšanai. Balstoties uz Seung et al. (1992) ieviesto Query by Committee (QBC) sistēmu, tā izmanto komitejas locekļu domstarpības kā nenoteiktības signālu, samazinot nepieciešamo iezīmēto piemēru skaitu, lai sasniegtu spēcīgu prognozēšanas veiktspēju.
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
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/lv/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.
- Aktīvā mācīšanāsMašīnmācīšanās↔ compare
- PastiprināšanaMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
- Balsošanas ansamblisMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →