Ensembel Timbunan Pembelajaran Aktif
Active Learning Stacking Ensemble menggabungkan gelung pertanyaan pembelajaran aktif dengan generalisasi bertindan: tersedia satu kumpulan data tidak berlabel, dan model secara berulang memilih contoh yang paling bermaklumat untuk pelabelan manusia, menggunakan label tersebut untuk melatih dan memperhalusi himpunan pesaing pelbagai pembelajar asas yang diketuai oleh pembelajar meta. Pendekatan ini mengurangkan kos anotasi sambil memaksimumkan kuasa ramalan himpunan pesaing.
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
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Active Learning with Stacking Ensemble. ScholarGate. https://scholargate.app/ms/machine-learning/active-learning-stacking-ensemble
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
- BoostingPembelajaran Mesin↔ compare
- Semi-supervised Stacking EnsemblePembelajaran Mesin↔ compare
- StackingPembelajaran Mesin↔ compare
- Ensembel UndianPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →