Machine learningMachine learning

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.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link
  2. 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.

Compare side by side

Упоминается в

ScholarGateActive learning Support vector machine (Active Learning Support Vector Machine). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/active-learning-support-vector-machine · Набор данных: https://doi.org/10.5281/zenodo.20539026