Ensemble Active Learning
Ensemble Active Learning kombinerer en komité av diverse modeller med en aktiv lærings-loop for å velge de mest informative umerkede eksemplene for merking. Forankret i Query by Committee-rammeverket introdusert av Seung et al. (1992), bruker den uenighet blant komitémedlemmer som et signal for usikkerhet, og reduserer antallet merkede eksempler som trengs for å oppnå sterk prediktiv ytelse.
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
- Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT 1992), pp. 287–294. ACM. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/no/machine-learning/ensemble-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.
- Aktiv læringMaskinlæring↔ compare
- BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →