Tăng cường Học chủ động
Tăng cường Học chủ động kết hợp việc thu nhận nhãn theo yêu cầu của học chủ động với logic tập hợp có trọng số của các thuật toán tăng cường như AdaBoost. Mô hình chọn lọc lặp đi lặp lại các ví dụ chưa được gán nhãn có tính thông tin cao nhất để chú thích — được hướng dẫn bởi sự bất đồng hoặc không chắc chắn trong tập hợp tăng cường — và huấn luyện lại sau mỗi nhãn mới, đạt được độ chính xác cao với số lượng ví dụ được gán nhãn ít hơn nhiều so với học thụ động.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Active Learning with Boosting Ensembles. ScholarGate. https://scholargate.app/vi/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.
- Support Vector Machine học chủ độngHọc máy↔ compare
- BoostingHọc máy↔ compare
- Tăng cường Trực tuyếnHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →