Glosarium AI
Kamus lengkap Kecerdasan Buatan
Query by Committee
Stratégie d'apprentissage actif où un comité de modèles vote pour sélectionner les échantillons les plus informatifs basés sur leur désaccord mutuel.
Vote Entropy
Mesure d'incertitude calculée à partir de l'entropie de la distribution des votes du comité, identifiant les échantillons avec le désaccord maximal.
Kullback-Leibler Divergence
Métrique utilisée pour quantifier la divergence entre les distributions de probabilité des prédictions des membres du comité.
Margin Sampling
Technique qui sélectionne les échantillons où la différence entre les deux classes les plus probables est minimale, indiquant une incertitude élevée.
Expected Model Change
Stratégie qui évalue l'impact potentiel d'un échantillon sur les paramètres du modèle avant son étiquetage effectif.
Expected Error Reduction
Approche qui estime la réduction d'erreur attendue sur l'ensemble de test si un échantillon particulier est étiqueté et ajouté à l'ensemble d'entraînement.
Expected Gradient Length
Méthode qui sélectionne les échantillons dont l'ajout entraînerait la plus grande longueur de gradient, indiquant un impact significatif sur l'apprentissage.
Disagreement Sampling
Variante du Query by Committee qui se concentre spécifiquement sur les échantillons où les membres du comité sont en désaccord le plus prononcé.
Consensus Sampling
Inverse technique that selects samples where the committee reaches strong consensus, often used to validate model robustness.
Committee Disagreement
Measure quantifying the level of disagreement between the predictions of different committee members for a given sample.
Uncertainty Sampling
Family of active learning techniques that select samples for which the model is least certain about its predictions.
Active Learning Loop
Iterative active learning process including sample selection, labeling, and model updating.
Label Budget
Constraint defining the maximum number of samples that can be labeled in an active learning process.
Annotation Cost
Temporal, financial, or human resources required to manually label samples selected by the active strategy.
Model Variance
Measure of prediction variability between different committee members, essential for evaluating disagreement.
Query Strategy
Algorithm or heuristic used to select the most informative samples to label in active learning.
Pool-based Active Learning
Active learning paradigm where the algorithm selects samples from a large pool of unlabeled data.