Actief Leren met Gradiëntversterking
Actief Leren met Gradiëntversterking (Active Learning Gradient Boosting) combineert de krachtige voorspellende nauwkeurigheid van gradiëntversterkte bomen met een actieve leercyclus die de meest informatieve ongelabelde voorbeelden selecteert voor menselijke annotatie. Door alleen de instanties op te vragen waarover het model het meest onzeker is, bereikt de methode een hoge nauwkeurigheid met aanzienlijk minder gelabelde voorbeelden dan passief begeleid leren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/nl/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.
- Actief LerenMachine learning↔ compare
- Gradient BoostingMachine learning↔ compare
- Random ForestMachine learning↔ compare
- XGBoostMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →