การเรียนรู้เชิงรุกแบบซ้อนทับกลุ่มตัวแบบ
Active Learning Stacking Ensemble เป็นการผสมผสานระหว่างวงจรการสอบถามแบบ active learning กับเทคนิค stacked generalization โดยมีชุดข้อมูลที่ไม่มีป้ายกำกับ (unlabeled data) ให้เลือกใช้ และโมเดลจะเลือกตัวอย่างที่ให้ข้อมูลมากที่สุดเป็นลำดับขั้นเพื่อการติดป้ายกำกับโดยมนุษย์ (human labeling) โดยใช้ป้ายกำกับเหล่านั้นเพื่อฝึกฝนและปรับปรุง stacking ensemble ซึ่งประกอบด้วย base learners หลายตัวและมี meta-learner เป็นตัวครอบ การใช้วิธีการนี้ช่วยลดต้นทุนการติดป้ายกำกับ พร้อมทั้งเพิ่มประสิทธิภาพการทำนายของ ensemble ให้สูงสุด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Active Learning with Stacking Ensemble. ScholarGate. https://scholargate.app/th/machine-learning/active-learning-stacking-ensemble
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
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การจัดกลุ่มแบบกึ่งกำกับด้วยการซ้อนทับการเรียนรู้ของเครื่อง↔ compare
- การซ้อนทับการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare