Aktywne uczenie w architekturze stosu (Active Learning Stacking Ensemble)
Aktywne uczenie w architekturze stosu łączy pętlę zapytań aktywnego uczenia ze zgeneralizowaną estymacją stosową (stacked generalization): dostępna jest pula nieoznakowanych danych, a model iteracyjnie wybiera najbardziej informatywne przykłady do oznakowania przez człowieka, wykorzystując te oznakowania do trenowania i udoskonalania stosu uczących bazowych modeli (base learners) zwieńczonego meta-uczącym (meta-learner). Podejście to redukuje koszty anotacji przy jednoczesnym maksymalizowaniu mocy predykcyjnej zespołu.
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
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Active Learning with Stacking Ensemble. ScholarGate. https://scholargate.app/pl/machine-learning/active-learning-stacking-ensemble
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
- WzmocnienieUczenie maszynowe↔ compare
- Półnadzorowany Zespół Stosowy (Semi-supervised Stacking Ensemble)Uczenie maszynowe↔ compare
- StackingUczenie maszynowe↔ compare
- Ensemble głosującyUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →