Aktywne uczenie maszynowe z użyciem maszyny wektorów nośnych
Aktywne uczenie maszynowe z użyciem maszyn wektorów nośnych (SVM) łączy silną granicę decyzyjną maszyn wektorów nośnych z inteligentną strategią zapytań, która wybiera najbardziej informatywne nieoznakowane przykłady do adnotacji przez człowieka. Wprowadzona przez Tong i Kollera w 2001 roku, osiąga wysoką dokładność klasyfikacji przy użyciu znacznie mniejszej liczby oznakowanych przykładów niż pasywne uczenie nadzorowane, co czyni ją praktyczną wszędzie tam, gdzie etykietowanie jest kosztowne lub czasochłonne.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/pl/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 ForestUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Maszyna wektorów nośnych (klasyfikacja)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →