Proces Gaussian de Învățare Activă
Procesul Gaussian de Învățare Activă (GP-AL) combină un model probabilistic de tip proces gaussian cu o strategie de interogare de învățare activă, utilizând incertitudinea posterioară a GP-ului pentru a selecta cele mai informative exemple neetichetate pentru etichetare. Această abordare iterativă minimizează efortul de etichetare, maximizând în același timp acuratețea predictivă, ceea ce o face ideală atunci când datele etichetate sunt rare sau costisitoare de obținut.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/ro/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.
- Învățare activăÎnvățare automată↔ compare
- Proces Gaussian bayesianÎnvățare automată↔ compare
- Proces GaussianÎnvățare automată↔ compare
- Gaussian Process semi-supervizatÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →