Активное обучение с бустингом
Активное обучение с бустингом сочетает выборку данных для разметки в активном обучении с логикой взвешенных ансамблей бустинговых алгоритмов, таких как AdaBoost. Модель итеративно отбирает наиболее информативные неразмеченные примеры для аннотирования — руководствуясь разногласиями или неопределенностью внутри бустингового ансамбля — и переобучается после получения каждой новой метки, достигая высокой точности при гораздо меньшем количестве размеченных примеров, чем при пассивном обучении.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/ru/machine-learning/active-learning-boosting
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.
- Активное обучение с машиной опорных векторовМашинное обучение↔ compare
- БустингМашинное обучение↔ compare
- Онлайн-бустинг (Online Boosting)Машинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →