ScholarGate
Assistente
Machine learningMachine learning

Active Learning Gaussian Process

Active Learning Gaussian Process (GP-AL) combina um modelo probabilístico de processo Gaussiano com uma estratégia de consulta de aprendizado ativo, utilizando a incerteza posterior do GP para selecionar os exemplos não rotulados mais informativos para rotulação. Essa abordagem iterativa minimiza o esforço de rotulação enquanto maximiza a precisão preditiva, tornando-a ideal quando dados rotulados são escassos ou caros de obter.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

Fontes

  1. MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590
  2. Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link

Como citar esta página

ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/pt/machine-learning/active-learning-gaussian-process

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.

Compare side by side

Referenciado por

ScholarGateActive learning Gaussian process (Active Learning with Gaussian Process (GP-AL)). Recuperado em 2026-06-15 de https://scholargate.app/pt/machine-learning/active-learning-gaussian-process · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026