Peningkatan Kecerunan Pembelajaran Aktif
Peningkatan Kecerunan Pembelajaran Aktif menggabungkan ketepatan ramalan yang berkuasa bagi pokok yang ditingkatkan kecerunan dengan gelung pembelajaran aktif yang memilih contoh tidak berlabel yang paling bermaklumat untuk anotasi manusia. Dengan menanyakan hanya instans yang paling tidak pasti oleh model, kaedah ini mencapai ketepatan tinggi dengan contoh berlabel yang jauh lebih sedikit berbanding pembelajaran penyeliaan pasif.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/ms/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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Peningkatan CerunPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
- XGBoostPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →