Aktywne uczenie z gradientowym wzmacnianiem
Aktywne uczenie z gradientowym wzmacnianiem łączy potężną dokładność predykcyjną drzew wzmacnianych gradientowo z pętlą aktywnego uczenia, która wybiera najbardziej informatywne nieoznakowane przykłady do adnotacji przez człowieka. Poprzez zapytanie tylko o instancje, co do których model jest najbardziej niepewny, metoda osiąga wysoką dokładność przy znacznie mniejszej liczbie oznakowanych przykładów niż pasywne uczenie nadzorowane.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/pl/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.
- Aktywna naukaUczenie maszynowe↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- XGBoostUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →