Gaussian Process แบบเรียนรู้เชิงรุก (Active Learning Gaussian Process)
Gaussian Process แบบเรียนรู้เชิงรุก (GP-AL) เป็นการผสมผสานระหว่างแบบจำลองความน่าจะเป็นแบบ Gaussian Process กับกลยุทธ์การเลือกคำถาม (query strategy) แบบเรียนรู้เชิงรุก โดยใช้ความไม่แน่นอน (uncertainty) ของค่าประมาณภายหลัง (posterior) ของ GP เพื่อเลือกตัวอย่างที่ยังไม่มีป้ายกำกับ (unlabeled examples) ที่ให้ข้อมูลมากที่สุดสำหรับการติดป้ายกำกับ วิธีการวนซ้ำนี้ช่วยลดความพยายามในการติดป้ายกำกับให้เหลือน้อยที่สุด ในขณะที่เพิ่มความแม่นยำในการทำนายให้สูงสุด ทำให้เหมาะอย่างยิ่งเมื่อข้อมูลที่มีป้ายกำกับมีจำกัดหรือมีค่าใช้จ่ายสูงในการได้มา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/th/machine-learning/active-learning-gaussian-process
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.
- Active Learningการเรียนรู้ของเครื่อง↔ compare
- Bayesian Gaussian Processการเรียนรู้ของเครื่อง↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- Gaussian Process แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare