Активне навчання з K-найближчими сусідами
Активне навчання з K-найближчими сусідами (KNN) поєднує інстанційне прогнозування KNN з ітеративною стратегією запитів, яка відбирає найбільш інформативні нерозмічені приклади для анотування. Модель запитує мітки лише для тих прикладів, де межі голосування сусідства є найвужчими, досягаючи конкурентної точності з набагато меншою кількістю розмічених прикладів, ніж повністю керований KNN на табличних даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin-Madison. link ↗
- Zhu, X., Lafferty, J., & Ghahramani, Z. (2003). Combining active learning and semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the ICML 2003 Workshop on the Continuum from Labeled to Unlabeled Data, 58–65. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning with K-Nearest Neighbors Classifier. ScholarGate. https://scholargate.app/uk/machine-learning/active-learning-k-nearest-neighbors
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Активне навчанняМашинне навчання↔ порівняти
- Дерево рішень з активним навчаннямМашинне навчання↔ порівняти
- Логістична регресія з активним навчаннямМашинне навчання↔ порівняти
- Напівавтоматичний метод K-найближчих сусідівМашинне навчання↔ порівняти
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →