الانحدار اللوجستي للتعلم النشط
التعلم النشط مع الانحدار اللوجستي هو إطار عمل تكراري فعال من حيث التسمية حيث يختار نموذج الانحدار اللوجستي الأمثلة غير المسماة التي يكون أكثر غموضًا بشأنها، ويقوم مصدر (مُعلِّق بشري) بتسميتها، ويُعاد تدريب النموذج - ويتكرر ذلك حتى يتم استيفاء ميزانية التسمية أو هدف الدقة. إنه يقلل بشكل كبير من تكلفة التعليق مقارنة بالتسمية العشوائية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Settles, B. (2010). Active Learning Literature Survey. Computer Sciences Technical Report 1648, University of Wisconsin–Madison. link ↗
- Lewis, D. D., & Gale, W. A. (1994). A sequential algorithm for training text classifiers. Proceedings of the 17th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 3–12. DOI: 10.1007/978-1-4471-2099-5_1 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/ar/machine-learning/active-learning-logistic-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الانحدار اللوجستيإحصاء البحث↔ compare
- بايز الساذج (Naive Bayes)تعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare