Pool-Based Sequential Active Learning for Regression

Active learning (AL) is a machine-learning approach for reducing the data labeling effort. Given a pool of unlabeled samples, it tries to select the most useful ones to label so that a model built from them can achieve the best possible performance. This paper focuses on pool-based sequential AL for...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transaction on neural networks and learning systems Ročník 30; číslo 5; s. 1348 - 1359
Hlavní autor:	Wu, Dongrui
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.05.2019 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Active learning Active learning (AL) Colleges & universities Computational modeling Domains inductive learning Labeling Learning algorithms Machine learning passive sampling Performance enhancement Predictive models ridge regression Sociology Statistics Training Training data transductive learning
ISSN:	2162-237X, 2162-2388, 2162-2388
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!