Aktiv læring med gradient boosting
Aktiv læring med gradient boosting kombinerer den kraftige prediktive nøyaktigheten til gradient boosted trees med en aktiv lærings-loop som velger de mest informative umerkede eksemplene for menneskelig annotering. Ved å spørre kun de instansene modellen er mest usikker på, oppnår metoden høy nøyaktighet med langt færre merkede eksempler enn passiv veiledet læring.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/no/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.
- Aktiv læringMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →