Onlajn aktivno učenje
Onlajn aktivno učenje kombinuje dve komplementarne paradigme: obrađuje podatke kao tok (onlajn učenje) i selektivno zahteva oznake samo za najinformativnije instance (aktivno učenje). Rezultat je model koji se kontinuirano prilagođava novim podacima, istovremeno održavajući niske troškove označavanja — korisno kad god su označeni podaci skupi, a primeri stižu sekvencijalno, a ne svi odjednom.
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
- Cesa-Bianchi, N., Gentile, C., & Zaniboni, L. (2006). Worst-case analysis of selective sampling for linear classification. Journal of Machine Learning Research, 7, 1205–1230. link ↗
- Sculley, D. (2007). Online active learning methods for fast label-efficient spam filtering. Proceedings of the Fourth Conference on Email and Anti-Spam (CEAS 2007). link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Online Active Learning (Streaming Active Learning). ScholarGate. https://scholargate.app/sr/machine-learning/online-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.
- Aktivno učenjeMašinsko učenje↔ compare
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- [CYRILLIC SCRIPT DETECTED - NEEDS LATIN CONVERSION]Mašinsko učenje↔ compare
- Online Logistic RegressionMašinsko učenje↔ compare
- Online Random ForestMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →