Pembelajaran dalam keadaan data tidak mencukupi bahagian kedua: pembelajaran aktif
Tajuk asal:Learning with not Enough Data Part 2: Active Learning
Ringkasan AI
Prestasi tugas pembelajaran penyeliaan bergantung pada data berlabel berkualiti tinggi, tetapi memperoleh sejumlah besar sampel berlabel memerlukan kos tinggi. Pembelajaran aktif ialah paradigma yang menangani kekurangan data berlabel apabila bajet pelabelan terhad tetapi sebahagian sumber pelabelan manual dibenarkan. Idea terasnya ialah memilih sampel paling bermaklumat secara pintar untuk pelabelan, bagi memaksimumkan peningkatan prestasi model dalam bajet terhad. Kaedah ini bertujuan menyelesaikan masalah bagaimana menggunakan sumber pelabelan secara cekap melalui persampelan strategik apabila data berlabel terhad.
Maklumat penting
- Prestasi tugas pembelajaran penyeliaan bergantung pada data berlabel berkualiti tinggi,tetapi…
- Pembelajaran aktif ialah paradigma yang menangani kekurangan data berlabel apabila bajet pelabelan…
- Idea terasnya ialah memilih sampel paling bermaklumat secara pintar untuk pelabelan,bagi…
- Kaedah ini bertujuan menyelesaikan masalah bagaimana menggunakan sumber pelabelan secara cekap…
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Lilian Weng:Lil'Log(RSS)
- Kategori
- Tutorial dan petua
- Skor AI
- 57
这是 Lilian Weng 数据不足系列的第二篇,把主动学习的核心采样策略和实际权衡讲得很清楚,做数据标注和 ML 工程的同学值得复习一遍。
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Pembelajaran dalam keadaan data tidak mencukupi bahagian kedua: pembelajaran aktif. 20 Februari 2022. https://new.nat6.net/ms/news/cmpc7e3b8007cslmqz6jyih7u/