|
关注：1
2013-05-23 12:21
求翻译：In classification problems, many different active learning techniques are often adopted to find the most informative samples for labeling in order to save human labors. Among them, active learning support vector machine (SVM) is one of the most representative approaches, in which model parameter is usually set as a fix是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
In classification problems, many different active learning techniques are often adopted to find the most informative samples for labeling in order to save human labors. Among them, active learning support vector machine (SVM) is one of the most representative approaches, in which model parameter is usually set as a fix
问题补充： |
|
2013-05-23 12:21:38
在分类问题中，许多不同的主动学习技术往往采用寻找最翔实的样本进行标记，以节省人力劳动。
|
|
2013-05-23 12:23:18
正在翻译，请等待...
|
|
2013-05-23 12:24:58
在分类问题，许多不同的活跃学习技术经常被采取发现最情报的样品为标记为了保存人的劳方。 在他们之中，活跃学习的支持传染媒介机器 (SVM) 是多数代表性方法之一，式样参量通常被设置作为固定的缺省值在整体学习进程期间。 注意式样参量与训练集合紧密地相关。 因此动态参数是中意做令人满意的学习的表现。 瞄准这个问题，我们提出了一种新颖的算法，称学会SVM用经常化道路的激活，可能适合SVM整个解答道路为式样参量的每价值。 在这种算法，我们首先追踪当前量词的整个解答道路发现一系列的候选人模型参量，然后使用的未贴标签的样品选择最佳的式样参量。 其外，在初期训练阶段，我们通过使用一种被改进的K-medoids
|
|
2013-05-23 12:26:38
在分类问题中，许多不同的活动学习技术往往通过为拯救人类劳动力贴标找到的资料最丰富的样品。其中，主动学习支持向量机 (SVM) 是一种最具代表性的办法，哪个模型中参数通常设置为固定的默认值在整个学习过程中。请注意该模型参数与训练集密切相关。因此动态参数是可取的使人满意的学习性能。针对这一问题，我们提出一种新的算法，称为正则化路径，可以容纳的模型参数的每个值的支持向量机的整个解决方案路径支持向量机主动学习。这种算法，在我们第一次追踪到整个解决方案路径当前分类器找到一系列的候选模型参数的然后用未标记的样本来选择最佳的模型参数。此外，在训练的最初阶段，我们构造一个训练样本使用改进的 K-进行划分聚类算
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
