Линейна регресия с активно учене
Линейната регресия с активно учене е итеративен подход в машинното обучение, който съчетава модел на линейна регресия с интелигентна стратегия за заявки за избор на най-информативните немаркирани точки за етикетиране. Чрез фокусиране на усилията за етикетиране там, където несигурността е най-висока, тя постига конкурентна точност на прогнозиране с много по-малко маркирани примери в сравнение с пасивното случайно вземане на проби.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 6(1), 1–114. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Cohn, D. A., Ghahramani, Z., & Jordan, M. I. (1996). Active learning with statistical models. Journal of Artificial Intelligence Research, 4, 129–145. DOI: 10.1613/jair.295 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-linear-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.
- Байесов линейн регресионен моделБейсови методи↔ compare
- Случайна гораМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →