Активное обучение с машиной опорных векторов
Активное обучение SVM сочетает в себе мощную способность машин опорных векторов (SVM) строить решающую границу с интеллектуальной стратегией запросов, которая выбирает наиболее информативные неразмеченные экземпляры для аннотации человеком. Предложенный Tong и Koller в 2001 году, этот подход достигает высокой точности классификации, используя значительно меньше размеченных примеров, чем пассивное обучение с учителем, что делает его практичным всякий раз, когда разметка является дорогостоящей или медленной.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/ru/machine-learning/active-learning-support-vector-machine
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.
- Случайный лесМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →