主动学习（Active Learning）系列介绍（零）

最新推荐文章于 2024-03-01 17:12:07 发布
最新推荐文章于 2024-03-01 17:12:07 发布
阅读量951 收藏 1
点赞数 4
分类专栏： 主动学习（Active learning） 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39856931/article/details/104932700
版权

写在最前面：

由于笔者实验室的要求，最近开始看了和主动学习(Active Learning)相关的知识，遂在这里与各位分享，希望可以在一定程度上帮助到大家。

由于初次接触Markdown格式的文本输入，可能有些地方显示不够清晰明了，请多见谅。

笔者主要参考资料是系列丛书《SYNTHESIS LECTURES ON ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING》中的第18篇——《Active Learning》，作者是卡耐基梅隆大学的教授Burr Settles，作者在2012年完成本书。

接下来的各个系列介绍将会以本书为基础，再加之我的一些思考。

杨小浩浩hh
关注
  • 4
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
主动学习经典论文入门.zip
08-14
主动学习（Active Learning）是一种机器学习方法，它允许模型在训练过程中选择最有价值的数据进行学习，从而优化模型的性能，特别是在标注数据有限的情况下。这种方法强调了数据的选择性，通过策略性的挑选样本来...
主动学习（Active Learning）
青年有志
04-20 3595
主动学习基本介绍
主动学习（Active learning）简介
人生是要不断做减法
10-25 1万+
主动学习（Active Learning）简介。
超详细的主动学习Active Learning介绍【理论+代码】
weixin_46428351的博客
03-01 3981
机器学习主要研究计算机如何利用经验数据提高自身性能。在监督学习中，数据的质量和数量直接决定模型的性能高低，监督学习不仅要求数据全部是标记好的，并且需要大量的数据，然而人工标注大量数据需要耗费巨大的时间和精力，一个更合理的方案是挑选一部分数据进行标注，这就要提到机器学习中的主动学习。
主动学习（Active Learning，AL）综述
蓝鲸鱼的博客
03-20 7387
目录1. 基本概念2. 基于不确定性的主动学习方法3.基于最近邻和支持向量的分类器的方法3.1 NNClassifier3.2 RBF network + Gradient Penalty4 基于特征空间覆盖的方法5 基于对抗学习的方法5.1 VAAL5.1.1 核心思想5.1.2 网络结构5.1.3 主动学习策略5.1.4 模型特点5.2 SRAAL5.3 ARAL6 融合不确定性和多样性的学习方法6.1 信息论思路6.2 构建候选集+大差异样本——SA6.3 梯度嵌入空间——badge7 基于变化最大的
浅谈主动学习（Active Learning）
Garvin的专栏
06-18 2122
1背景概述 在机器学习领域有很多学习模式，比方说监督学习、半监督学习、强化学习、无监督学习等。平时大家接触比较多的一般都是监督学习，在监督学习里面，比方说要做个人和鱼的图像分类模型，假设有200张图片，那就需要把这200张样本都打好标记再训练。 监督学习存在很多问题，比如最直接的一点，当样本打标成本很高的时候，比如要标记一个人脸，可能需要在图片上打上百个点，用监督学习很消耗资源。 主动学习（Active Learning）很好地解决了这个问题，主动学习的本质是让训练样本的利用率最大化，今天就来介.
深度主动学习(Deep Active Learning).txt
最新发布
05-07
深度主动学习(Deep Active Learning)
active-learning:主动学习工作坊
05-16
主动学习 ... 在本研讨会中，我们将对主动学习进行一般性介绍，包括成功和失败的理论和经验证据。 我们将编写实现领先的主动学习方法的代码，并将它们用于测试集，以解决图像分类，音频分类和NLP中的问题。
Theory of Active Learning
01-09
Active learning is a protocol for supervised machine learning, in which a learning algorithm sequentially requests the labels of selected data points from a large pool of unlabeled data. This ...
Partial-discharge-signals-of.zip_svm active learning_主动学习SVM_局部放
07-15
标题提及的"Partial-discharge-signals-of.zip_svm active learning_主动学习SVM_局部放"，表明研究的重点在于应用主动学习算法优化SVM模型，以更好地识别局部放电的模式。主动学习是一种机器学习策略，它允许模型在...
Synthesis.Lectures.on.Artificial.Intelligence.and.Machine.Learning.pdf
09-01
Morgan.Claypool.Action.Programming.Languages.-.Synthesis.Lectures.on.Artificial.Intelligence.and.Machine.Learning.pdf
Active Learning概述
熊熊燃烧而玄之又玄
03-18 1218
1. 写在前面 　　在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下： 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合...
主动学习（Active Learning）系列介绍（一）基本概念及应用场景
杨小浩浩的博客
05-29 6339
研究背景 传统的机器学习（Machine Leaning）任务，特别是有监督学习任务为取得良好的性能，通常需要在成百上千的**有标记数据（labeled data）**上训练。 然而，在现实生活中的很多应用，为得到有标记数据，是一个困难的（difficult）、耗时的（time-consuming）、昂贵（expensive）的过程。 幸运的是，在当今这个数据井喷的时代，有大量的未标记的数据（unlabeled data），而这些数据往往更容易获得。 在此背景下，为了更好地利用大量的无标记数据，我们提出主动
主动学习（active learning）
qq_46458188的博客
06-10 1635
主动学习
[Machine Learning] Active Learning
weixin_34055787的博客
05-21 198
1. 写在前面 　　在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下： 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一...
什么是主动学习（Active Learning）？定义，原理，以及主要方法
Appen_China的博客
12-13 790
数据是训练任何机器学习模型的关键。但是，对于研究人工智能的企业和团队而言，数据仍是实现成功的最大障碍之一。首先，您需要大量数据来创建高性能模型。更重要的是，您需要标注准确的数据。虽然许多团队一开始都是手动标注数据集，但更多团队已逐渐实现数据标注的部分自动化，比如采用主动学习方法（Active Learning），以提高效率。如果想要了解主动学习，您首先需要了解监督机器学习和无监督机器学习之间的区别。监督学习认为，我们需要为机器提供标注正确的数据，让机器从这些示例中学习如何正确标注数据。
主动学习(Active Learning)
热门推荐
猪逻辑公园
12-26 6万+
1. 写在前面 　　在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Unsupervised learning)以及半监督学习(Semi-supervised learning)是三类研究比较多，应用比较广的学习技术，wiki上对这三种学习的简单描述如下： 监督学习：通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函...
主动学习(Active Learning，AL)的理解以及代码流程讲解
weixin_45928096的博客
03-28 1万+
针对有监督的学习任务，存在标记成本较为昂贵且标记难以大量获取的问题。 在此问题背景下，主动学习（Active Learning, AL）尝试通过选择性的标记较少数据而训练出表现较好的模型。 主动学习的工作流程的关键是选择模型、使用的不确定性度量以及应用于请求标签的查询策略。 主要步骤为：收集数据、建立模型、使用查询策略来选取未标注的样本进行标注、重新训练模型直到满足精度为止。 主动学习编写代码的流程是：导入相应的包、数据集准备以及初始数据集的选取、定义主动学习器ActiveLeaner、进行主动学习
学习卡片- Active Learning
chazhongxinbitc的博客
04-10 244
什么是Active Learning 主动学习(Active Learning)是半监督机器学习的一种形式，算法可以选择它想要学习的数据。 使用这种方法，程序可以主动查询权威来源，无论是程序员还是标记数据集，以学习对给定问题的正确预测。 目标： 这种迭代学习方法的目标是加快学习过程，特别是如果您没有大型标记数据集来练习传统的监督学习方法。 领域： 主动学习最流行的应用之一是标签密集型自然语言处理领域。 这种方法可以产生与监督学习相似的结果，但只需要一小部分人工的参与。 如何在实...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值