Ensemble Active Learning
Ensemble Active Learning kombinerar en kommitté av olika modeller med en aktiv inlärningsloop för att välja de mest informativa oetiketterade exemplen för etikettering. Med rötter i ramverket Query by Committee, introducerat av Seung et al. (1992), använder det oenighet bland kommittémedlemmar som en signal för osäkerhet, vilket minskar antalet etiketterade exempel som behövs för att uppnå stark prediktiv prestanda.
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
- Seung, H. S., Opper, M., & Sompolinsky, H. (1992). Query by committee. In Proceedings of the Fifth Annual Workshop on Computational Learning Theory (COLT 1992), pp. 287–294. ACM. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Ensemble-Based Active Learning (Query by Committee and Variants). ScholarGate. https://scholargate.app/sv/machine-learning/ensemble-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.
- Aktivt lärandeMaskininlärning↔ compare
- BoostingMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →