Aktiv inlärning med gradient boosting
Aktiv inlärning med gradient boosting kombinerar den kraftfulla prediktiva noggrannheten hos gradientförstärkta träd med en aktiv inlärningsloop som väljer de mest informativa oetiketterade exemplen för mänsklig annotering. Genom att endast fråga de instanser som modellen är mest osäker på, uppnår metoden hög noggrannhet med betydligt färre etiketterade exempel än passiv övervakad inlärning.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Active Learning with Gradient Boosting (Query-by-Committee / Uncertainty Sampling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/sv/machine-learning/active-learning-gradient-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.
- Aktivt lärandeMaskininlärning↔ compare
- Gradient BoostingMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- XGBoostMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →