Aktivt lärande Support Vector Machine
Aktivt lärande SVM kombinerar den starka beslutsgränsen hos support vector machines med en intelligent frågestrategi som väljer de mest informativa omärkta instanserna för mänsklig annotering. Introducerad av Tong och Koller år 2001, uppnår den hög klassificeringsnoggrannhet med betydligt färre märkta exempel än passiv övervakad inlärning, vilket gör den praktisk när märkning är dyr eller långsam.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Active Learning Support Vector Machine. ScholarGate. https://scholargate.app/sv/machine-learning/active-learning-support-vector-machine
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.
- Random ForestMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- Support Vector Machine (Klassificering)Maskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →