Online aktiv læring
Online aktiv læring kombinerer to komplementære paradigmer: den behandler data som en strøm (online læring) og ber selektivt om merking kun for de mest informative instansene (aktiv læring). Resultatet er en modell som kontinuerlig tilpasser seg nye data, samtidig som merkekostnadene holdes lave – nyttig når merkede data er dyre og eksempler ankommer sekvensielt snarere enn alt på en gang.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/no/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.
- Aktiv læringMaskinlæring↔ compare
- Få-skudds læringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Online logistisk regresjonMaskinlæring↔ compare
- Online Random ForestMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →