Mô hình Hỗn hợp Gaussian Học Chủ động
Mô hình Hỗn hợp Gaussian Học Chủ động kết hợp một chiến lược truy vấn lặp với một bộ học Hỗn hợp Gaussian. Thuật toán chọn các điểm chưa được gán nhãn có tính thông tin cao nhất — thường là những điểm có độ bất định dự đoán cao nhất — trình bày chúng cho một người cung cấp nhãn để gán nhãn, và huấn luyện lại GMM bằng thuật toán EM trên tập dữ liệu đã gán nhãn đang tăng dần. Kết quả là một mô hình mật độ có chất lượng tương đương với dữ liệu đầy đủ nhưng yêu cầu ít ví dụ được gán nhãn hơn nhiều.
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
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool Publishers. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Active Learning with Gaussian Mixture Model. ScholarGate. https://scholargate.app/vi/machine-learning/active-learning-gaussian-mixture-model
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.
- Active learning Gaussian processHọc máy↔ compare
- Mô hình Hỗn hợp Gaussian BayesHọc máy↔ compare
- Mô hình hỗn hợp Gaussian bán giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →