Zosilnenie aktívneho učenia
Zosilnenie aktívneho učenia kombinuje získavanie štítkov riadené dopytovaním z aktívneho učenia s logikou vážených súborov algoritmov zosilnenia, ako je AdaBoost. Model iteratívne vyberá najinformatívnejšie neoznačené príklady na anotáciu – vedený nezhodou alebo neistotou v rámci súboru zosilnenia – a po každom novom štítku sa pretrénuje, čím dosahuje vysokú presnosť s oveľa menším počtom označených príkladov ako pasívne učenie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/sk/machine-learning/active-learning-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.
- Podporný vektorový stroj s aktívnym učenímStrojové učenie↔ compare
- BoostingStrojové učenie↔ compare
- Online BoostingStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →