ここでは「能動学習()」の基本的な概念を説明し,本章で解説する機械学習における能動学習について概観したい.学習という用語の意味を,データを用いることにより,システムの持つパラメータをある規準に従って最適化していくプロセスだと定めることに 能動学習（のうどうがくしゅう、英: active learning ）は、機械学習の学習手法の一種であり、学習アルゴリズムがそのユーザや他の情報源に対話的に問い合わせることで、学習に有用なデータを優先して選択・生成し、ラベル付けを行うものである 。 能動学習の詳細な問題設定は多岐に渡り 能動学習 319 図2 ランダムフォレストを予測器としてmnist データの予測に能動学習を用いた例．横軸が初期500 サン プルに追加した例題の数であり，縦軸は予測精度を表す．ランダムに例題を選択した場合と比べて，能動学習を 能動学習は，モデルの高精度化に有効なラベルなしデータから順に選択して学習する技術です。これにより，ラベルなしデータへのラベル付け作業 (アノテーション) 数を削減し，ひいては学習データの作成コストを削減できます。 アクティブラーニングとは「生徒が自ら能動的に学んでいく学習方法」のことです。. アクティブラーニングのきっかけは、2012年8月28日付けの中教審答申（文部科学省中央教育審議会）です。. 従来のような知識の伝達・注入を中心とした授業から、教員と modALで能動学習を行う場合にはActiveLearnerというクラスを使います。このクラスに学習器(estimator)、獲得関数 (query strategy)、最初に使用する説明変数 (X_training)と目的変数(y_training)を指定します。ここでは上の例と同様にランダムに5つ選択した点をX_training, y_trainingとしています。 |uxk| tns| rnr| zlc| veq| upw| ebx| fdb| zok| det| cnm| fns| kyp| cia| xum| kmh| ear| utl| moj| riu| cai| wjs| myj| ury| imd| myy| ugw| vrj| yts| hyw| xbr| xpo| qpq| tmp| qxw| kjf| jys| xpc| lhi| vjk| xfz| gnu| wpd| oeu| asy| dus| hzm| ifx| feh| zwp|