Active Learning with Gaussian Process (GP-AL)
Một Gaussian Process dự đoán không chỉ một giá trị mà còn cả mức độ tin cậy của nó. Học chủ động khai thác điều này: thay vì gán nhãn dữ liệu một cách ngẫu nhiên, thuật toán xem xét tất cả các điểm chưa được gán nhãn và yêu cầu con người (hoặc một oracle) chỉ gán nhãn cho điểm mà GP không chắc chắn nhất. Sau khi gán nhãn, GP cập nhật niềm tin của nó và chu trình lặp lại. Cách tiếp cận có mục tiêu này thu thập các nhãn có tính thông tin hiệu quả hơn nhiều so với lấy mẫu ngẫu nhiên hoặc thụ động, thường đạt được hiệu suất mô hình mạnh mẽ với một phần nhỏ dữ liệu được gán nhãn.
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
- MacKay, D. J. C. (1992). Information-based objective functions for active data selection. Neural Computation, 4(4), 590–604. DOI: 10.1162/neco.1992.4.4.590 ↗
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Active Learning with Gaussian Process (GP-AL). ScholarGate. https://scholargate.app/vi/machine-learning/active-learning-gaussian-process
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.
- Học chủ độngHọc máy↔ compare
- Gaussian Process Bayes (GP)Học máy↔ compare
- Quá trình GaussHọc máy↔ compare
- Gaussian Process Bán Giám SátHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →