Обучение при недостатке данных, часть вторая: активное обучение
Оригинальный заголовок:Learning with not Enough Data Part 2: Active Learning
ИИ-резюме
Качество задач обучения с учителем зависит от качественных размеченных данных, но получение большого числа размеченных примеров дорого. Активное обучение — это парадигма преодоления нехватки размеченных данных в условиях ограниченного бюджета на разметку при возможности привлечь часть ручных ресурсов. Его ключевая идея — разумно выбирать наиболее информативные примеры для разметки, чтобы максимально повысить качество модели в рамках ограниченного бюджета. Метод призван решить задачу эффективного использования ресурсов разметки за счёт стратегической выборки при ограниченных размеченных данных.
Ключевые моменты
- Качество задач обучения с учителем зависит от качественных размеченных данных,но получение…
- Активное обучение — это парадигма преодоления нехватки размеченных данных в условиях ограниченного…
- Его ключевая идея — разумно выбирать наиболее информативные примеры для разметки,чтобы максимально…
- Метод призван решить задачу эффективного использования ресурсов разметки за счёт стратегической…
Кратко
- Опубликовано
- Обновлено
- Источник
- Lilian Weng:Lil'Log(RSS)
- Категория
- Туториалы и советы
- Оценка ИИ
- 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。
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Обучение при недостатке данных, часть вторая: активное обучение. 20 февраля 2022. https://new.nat6.net/ru/news/cmpc7e3b8007cslmqz6jyih7u/