Active Learning LightGBM
Active Learning LightGBM поєднує стратегію вибору запитів, що ефективно використовує мітки, з швидкістю та точністю LightGBM — фреймворку градієнтного бустингу на основі гістограм. Модель ітеративно обирає найбільш інформативні нерозмічені екземпляри для анотування людиною, перенавчає LightGBM на зростаючому наборі розмічених даних і збігається до високої точності з набагато меншою кількістю розмічених прикладів, ніж пасивне кероване 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
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Active Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/uk/machine-learning/active-learning-lightgbm
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.
- Активне навчанняМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- LightGBMМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →