Aktivno učenje K-najbližih suseda
Aktivno učenje sa K-najbližim susedima (KNN) kombinuje predviđanje zasnovano na instancama KNN-a sa strategijom iterativnog upita koja bira najinformativnije neoznačene primere za anotaciju. Model zahteva oznake samo za instance kod kojih su margine glasanja susedstva najoštrije, postižući konkurentnu tačnost sa daleko manje označenih primera nego potpuno nadgledani KNN na tabelarnim podacima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/sr/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.
- Aktivno učenjeMašinsko učenje↔ compare
- Aktivno učenje sa stablom odlučivanjaMašinsko učenje↔ compare
- Logistička regresija sa aktivnim učenjemMašinsko učenje↔ compare
- Polu-nadgledano K-najbližih susedaMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →