Aprendizagem Ativa Semi-supervisionada
Aprendizagem Ativa Semi-supervisionada (SSAL) é um paradigma de aprendizagem híbrido que combina a estratégia de consulta seletiva da aprendizagem ativa com a capacidade da aprendizagem semi-supervisionada de explorar dados não rotulados. O modelo seleciona iterativamente as instâncias não rotuladas mais informativas para anotação por um especialista, ao mesmo tempo que alavanca o grande conjunto de amostras não anotadas para melhorar as suas próprias representações, reduzindo drasticamente os custos de rotulagem e mantendo uma forte precisão preditiva.
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
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/pt/machine-learning/semi-supervised-active-learning
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
- Propagação de RótulosAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →