Градиентный бустинг с активным обучением
Градиентный бустинг с активным обучением сочетает мощную предсказательную точность градиентно-бустированных деревьев с циклом активного обучения, который выбирает наиболее информативные неразмеченные примеры для аннотирования человеком. Запрашивая только те экземпляры, в которых модель наиболее неуверена, метод достигает высокой точности при гораздо меньшем количестве размеченных примеров, чем при пассивном обучении с учителем.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/ru/machine-learning/active-learning-gradient-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 обучениеМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →