Alapfogalmak
Aktives Lernen mit SUPClust verbessert die Modellleistung durch die Identifizierung von Punkten an den Entscheidungsgrenzen zwischen Klassen.
Statisztikák
In der Praxis enthalten Datenverteilungen oft Ausreißer und die Entscheidungsgrenze zwischen verschiedenen Klassen ist nicht immer klar.
SUPClust zeigt starke Leistung in Datensätzen mit starkem Klassenungleichgewicht.
Idézetek
"Aktives Lernen zielt darauf ab, die Leistung zu maximieren, indem die informativsten und wertvollsten Datenpunkte für das Modelltraining ausgewählt werden."
"SUPClust vermeidet das 'Cold-Start-Problem', indem es Proben nahe der Entscheidungsgrenze zwischen Clustern im Einbettungsraum eines selbstüberwachten Modells auswählt."