Hướng dẫn & mẹo

Học khi thiếu dữ liệu phần hai: học chủ động

Tiêu đề gốc:Learning with not Enough Data Part 2: Active Learning

Tóm tắt AI

Hiệu năng của tác vụ học có giám sát phụ thuộc vào dữ liệu gán nhãn chất lượng cao, nhưng việc thu thập lượng lớn mẫu gán nhãn rất tốn kém. Học chủ động là một mô hình ứng phó với tình trạng thiếu dữ liệu gán nhãn khi ngân sách gán nhãn hạn chế nhưng cho phép đầu tư một phần nguồn lực gán nhãn thủ công. Ý tưởng cốt lõi là thông minh chọn các mẫu có nhiều thông tin nhất để gán nhãn, nhằm tối đa hóa cải thiện hiệu năng mô hình trong ngân sách hạn chế. Phương pháp này nhằm giải quyết vấn đề làm thế nào sử dụng hiệu quả nguồn lực gán nhãn thông qua lấy mẫu có chiến lược khi dữ liệu gán nhãn bị hạn chế.

Thông tin chính

  • Hiệu năng của tác vụ học có giám sát phụ thuộc vào dữ liệu gán nhãn chất lượng cao,nhưng việc thu…
  • Học chủ động là một mô hình ứng phó với tình trạng thiếu dữ liệu gán nhãn khi ngân sách gán nhãn…
  • Ý tưởng cốt lõi là thông minh chọn các mẫu có nhiều thông tin nhất để gán nhãn,nhằm tối đa hóa cải…
  • Phương pháp này nhằm giải quyết vấn đề làm thế nào sử dụng hiệu quả nguồn lực gán nhãn thông qua…

Tóm tắt nhanh

Đăng lúc
Cập nhật lúc
Nguồn
Lilian Weng:Lil'Log(RSS)
Danh mục
Hướng dẫn & mẹo
Điểm AI
57
Đọc bản gốc Đọc toàn văn tại nguồn tin gốc
Lý do đề xuất

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。

Nguồn và bản quyền

Bài viết này được tổng hợp dựa trên các tiêu đề chọn lọc và tóm tắt AI từ API công khai của AIHOT, đã ghi rõ nguồn và liên kết ngược; bản quyền nội dung gốc thuộc về cơ quan truyền thông và tác giả gốc, trang này không sao chép toàn văn.

Liên kết gốc · Mục AIHOT

Cách trích dẫn

Khi trích dẫn bài viết này, vui lòng giữ nguyên tiêu đề, ngày đăng và liên kết vĩnh viễn, đồng thời ghi rõ nguồn là Orange News.

Orange News: Học khi thiếu dữ liệu phần hai: học chủ động. 20 tháng 2 2022. https://new.nat6.net/vi/news/cmpc7e3b8007cslmqz6jyih7u/

Xem tất cả →