Активное обучение с K-ближайшими соседями (K-Nearest Neighbors, KNN)
Активное обучение с K-ближайшими соседями сочетает инстанс-ориентированное предсказание KNN с итеративной стратегией запросов, которая отбирает наиболее информативные неразмеченные примеры для аннотирования. Модель запрашивает метки только для тех экземпляров, где разница голосов в окрестности минимальна, достигая конкурентной точности при значительно меньшем количестве размеченных примеров по сравнению с полностью контролируемым KNN на табличных данных.
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 ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/ru/machine-learning/active-learning-k-nearest-neighbors
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
- Дерево решений с активным обучениемМашинное обучение↔ compare
- Активное обучение логистической регрессииМашинное обучение↔ compare
- Полусупервизорный метод K-ближайших соседейМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →