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.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
- 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.
- Aprendizagem AtivaAprendizado de máquina↔ compare
- Processo Gaussiano BayesianoAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Processo Gaussiano Semi-supervisionadoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →