Активне навчання з бустингом
Активне навчання з бустингом поєднує отримання міток на основі запитів (query-driven label acquisition) активного навчання з логікою зваженої ансамблевої моделі алгоритмів бустингу, таких як AdaBoost. Модель ітеративно відбирає найбільш інформативні нерозмічені приклади для анотування — керуючись розбіжностями або невизначеністю в межах ансамблю бустингу — і перенавчається після кожної нової мітки, досягаючи високої точності з набагато меншою кількістю розмічених прикладів, ніж пасивне навчання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Abe, N. & Mamitsuka, H. (1998). Query Learning Strategies Using Boosting and Bagging. Proceedings of the 15th International Conference on Machine Learning (ICML 1998), pp. 1–9. Morgan Kaufmann. link ↗
- Settles, B. (2009). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/uk/machine-learning/active-learning-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.
- Метод опорних векторів з активним навчаннямМашинне навчання↔ compare
- БустингМашинне навчання↔ compare
- Онлайн-бустингМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →