Pembelajaran Aktif Bayesian
Pembelajaran Aktif Bayesian (BAL) menggabungkan model kebarangkalian dengan strategi pertanyaan aktif untuk mengenal pasti contoh-contoh tidak berlabel yang, apabila dilabelkan, akan mengurangkan ketidakpastian model dengan paling banyak. Daripada melabelkan data secara rawak, BAL membimbing oracle — biasanya penganotasi manusia — ke arah titik-titik di mana pelabelan akan memberikan perolehan maklumat terbesar, menjadikannya sangat cekap label.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/ms/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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Regresi Logistik BayesianBayesian↔ compare
- Pengoptimuman BayesianPengoptimuman↔ compare
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →