Aktiv læring Support Vector Machine
Aktiv læring SVM kombinerer den sterke beslutningsgrensen til support vector machines med en intelligent spørringsstrategi som velger de mest informative umerkede instansene for menneskelig annotering. Introdusert av Tong og Koller i 2001, oppnår den høy klassifiseringsnøyaktighet med langt færre merkede eksempler enn passiv veiledet læring, noe som gjør den praktisk når merking er dyrt eller tidkrevende.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/no/machine-learning/active-learning-support-vector-machine
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.
- Random ForestMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →