Байесовское активное обучение
Байесовское активное обучение (БАО) сочетает вероятностную модель со стратегией активного запроса для выявления неразмеченных примеров, которые после разметки наиболее существенно снизят неопределенность модели. Вместо случайной разметки данных БАО направляет оракула — обычно человека-аннотатора — к точкам, где разметка даст наибольший прирост информации, что делает его высокоэффективным с точки зрения использования меток.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/ru/machine-learning/bayesian-active-learning
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
- Байесовская логистическая регрессияБайесовские методы↔ compare
- Байесовская оптимизацияОптимизация↔ compare
- Обучение на малом числе примеров (Few-shot Learning)Машинное обучение↔ compare
- Гауссовский процессМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →