Active Learning - Burr Settles
-25% su kodu BOOKS
Pristatymas per 12-18 d.d.
30 dienų grąžinimo politika
The key idea behind active learning is that a machine learning algorithm can perform better with less training if it is allowed to choose the data from which it learns. An active learner may pose "queries," usually in the form of unlabeled data instances to be labeled by an "oracle" (e.g., a human annotator) that already understands the nature of the problem. This sort of approach is well-motivated in many ... Visas aprašymas
Jums taip pat gali patikti
TOP
Six Not-so-easy Pieces: Einstein's Relativity, Symmetry, and Space-Time
Richard P. Feynman, Robert B. Leighton, Matthew Sands
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Six Easy Pieces: Essentials of Physics Explained by Its Most Brilliant Teacher
Richard P. Feynman, Robert B. Leighton, Matthew Sands
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Behave: The Biology of Humans at Our Best and Worst
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Determined: The Science of Life Without Free Will
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Age of Alchemy: How Early Innovators Shaped Modern Chemistry
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Secrets of our DNA: How Genetics has Changed the World
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Why We Sleep: Unlocking the Power of Sleep and Dreams
-25% su kodu BOOKS
Yra sandėlyje
TOP
Biology: A Global Approach, Global Edition
Neil Campbell, Rebecca Orr, Lisa Urry, Peter Minorsky, Michael Cain, Jane Reece, Steven Wasserman
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Why Machines Learn: The Elegant Maths Behind Modern AI
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
A Short History of Nearly Everything 2.0
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Astrophysics for People in a Hurry: Essays on the Universe and Our Place Within It
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rise and Fall of the Dinosaurs: A New History of a Lost World
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
The Rise and Reign of the Mammals: A New History, from the Shadow of the Dinosaurs to Us
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Learn Faster, Perform Better: A Musician's Guide to the Neuroscience of Practicing
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Beyond Inheritance: Our Ever-Mutating Cells and a New Understanding of Health
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
A Brief History of Time: From the Big Bang to Black Holes
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
On the Origin of Species
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Thing Explainer: Complicated Stuff in Simple Words
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Introduction to Quantum Mechanics
Darrell F. Schroeter, David J. Griffiths
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
TOP
Universe: The Definitive Visual Guide
-25% su kodu BOOKS
Turime sandėlyje pas mūsų tiekėją
Aprašymas
The key idea behind active learning is that a machine learning algorithm can perform better with less training if it is allowed to choose the data from which it learns. An active learner may pose "queries," usually in the form of unlabeled data instances to be labeled by an "oracle" (e.g., a human annotator) that already understands the nature of the problem. This sort of approach is well-motivated in many modern machine learning and data mining applications, where unlabeled data may be abundant or easy to come by, but training labels are difficult, time-consuming, or expensive to obtain. This book is a general introduction to active learning. It outlines several scenarios in which queries might be formulated, and details many query selection algorithms which have been organized into four broad categories, or "query selection frameworks." We also touch on some of the theoretical foundations of active learning, and conclude with an overview of the strengths and weaknesses of these approaches in practice, including a summary of ongoing work to address these open challenges and opportunities. Table of Contents: Automating Inquiry / Uncertainty Sampling / Searching Through the Hypothesis Space / Minimizing Expected Error and Variance / Exploiting Structure in Data / Theory / Practical Considerations
Daugiau informacijos
| Autorius | Burr Settles |
|---|---|
| Leidėjas | Springer Nature Switzerland |
| Series | Synthesis Lectures on Artificial Intelligence and Machine Learning |
| Išleidimo metai | 2012 |
| Viršelio tipas | Minkšti viršeliai |
| EAN | 9783031004322 |