Байєсівське активне навчання
Байєсівське активне навчання (BAL) поєднує ймовірнісну модель із стратегією активного запиту для виявлення нерозмічених прикладів, які після розмітки найбільше зменшать невизначеність моделі. Замість випадкової розмітки даних, BAL спрямовує оракула — зазвичай людину-анотатора — до точок, де розмітка надасть найбільший приріст інформації, що робить його надзвичайно ефективним з точки зору розмітки.
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
- Houlsby, N., Huszár, F., Ghahramani, Z., & Lengyel, M. (2011). Bayesian Active Learning for Classification and Preference Learning. arXiv preprint arXiv:1112.5745. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Active Learning (Query-by-Committee and BALD). ScholarGate. https://scholargate.app/uk/machine-learning/bayesian-active-learning
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
- Байєсівська логістична регресіяБаєсові методи↔ compare
- Байєсівська оптимізаціяОптимізація↔ compare
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →