Туториалы и советы

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
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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.

Оригинал статьи · Материал на AIHOT

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/

Смотреть все →