Pembelajaran Aktif Dalam Talian
Pembelajaran aktif dalam talian menggabungkan dua paradigma yang saling melengkapi: ia memproses data sebagai aliran (pembelajaran dalam talian) dan secara selektif meminta label hanya untuk contoh yang paling bermaklumat (pembelajaran aktif). Hasilnya ialah model yang menyesuaikan diri secara berterusan kepada data baharu sambil mengekalkan kos pelabelan yang rendah — berguna apabila data berlabel mahal dan contoh tiba secara berurutan dan bukannya sekaligus.
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
- Cesa-Bianchi, N., Gentile, C., & Zaniboni, L. (2006). Worst-case analysis of selective sampling for linear classification. Journal of Machine Learning Research, 7, 1205–1230. link ↗
- Sculley, D. (2007). Online active learning methods for fast label-efficient spam filtering. Proceedings of the Fourth Conference on Email and Anti-Spam (CEAS 2007). link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/ms/machine-learning/online-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
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran Dalam TalianPembelajaran Mesin↔ compare
- Regresi Logistik Atas TalianPembelajaran Mesin↔ compare
- Hutan Rawak Dalam TalianPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →