Aktivno učenje LightGBM
Aktivno učenje LightGBM (Active Learning LightGBM) spaja strategiju aktivnog učenja za efikasno biranje oznaka sa brzinom i preciznošću LightGBM-a, okvira za gradijentno pojačavanje zasnovanog na histogramima. Model iterativno bira najinformativnije neoznačene instance za ljudsko anotiranje, ponovo trenira LightGBM na rastućem označenom skupu i konvergira ka visokoj preciznosti sa znatno manje označenih primera nego pasivno nadgledano učenje.
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. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/sr/machine-learning/active-learning-lightgbm
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
- Градијентно појачањеMašinsko učenje↔ compare
- LightGBMMašinsko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- XGBoostMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →