Напівкероване активне навчання
Напівкероване активне навчання (SSAL) — це гібридна парадигма навчання, яка поєднує вибіркову стратегію запитів активного навчання зі здатністю напівкерованого навчання використовувати нерозмічені дані. Модель ітеративно вибирає найбільш інформативні нерозмічені екземпляри для анотування експертом, одночасно використовуючи великий пул нерозмічених зразків для покращення власних представлень, що значно знижує витрати на розмітку при збереженні високої точності прогнозування.
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. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/uk/machine-learning/semi-supervised-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
- Label PropagationМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →