Support Vector Machine học chủ động
Học chủ động SVM kết hợp ranh giới quyết định mạnh mẽ của máy vector hỗ trợ với một chiến lược truy vấn thông minh nhằm chọn ra các mẫu chưa được gán nhãn có tính thông tin cao nhất để con người chú thích. Được giới thiệu bởi Tong và Koller vào năm 2001, phương pháp này đạt được độ chính xác phân loại cao với số lượng ví dụ được gán nhãn ít hơn nhiều so với học có giám sát thụ động, làm cho nó trở nên thiết thực bất cứ khi nào việc gán nhãn tốn kém hoặc chậm.
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
- Tong, S., & Koller, D. (2001). Support Vector Machine Active Learning with Applications to Text Classification. Journal of Machine Learning Research, 2, 45–66. link ↗
- Settles, B. (2010). 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 Support Vector Machine. ScholarGate. https://scholargate.app/vi/machine-learning/active-learning-support-vector-machine
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.
- Rừng ngẫu nhiênHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Máy Vectơ Hỗ trợ (Phân loại)Học máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →