অ্যাক্টিভ লার্নিং লজিস্টিক রিগ্রেশন
অ্যাক্টিভ লার্নিং উইথ লজিস্টিক রিগ্রেশন হলো একটি পুনরাবৃত্তিমূলক (iterative) লেবেল-দক্ষ (label-efficient) ফ্রেমওয়ার্ক যেখানে একটি লজিস্টিক রিগ্রেশন মডেল সেই অচিহ্নিত উদাহরণগুলি নির্বাচন করে যেগুলি সম্পর্কে এটি সবচেয়ে অনিশ্চিত, একজন ওরাকল (মানব অ্যানোটেটর) সেগুলিকে লেবেল করে, এবং মডেলটিকে পুনরায় প্রশিক্ষণ দেওয়া হয় — লেবেলিং বাজেট বা নির্ভুলতার লক্ষ্য পূরণ না হওয়া পর্যন্ত পুনরাবৃত্তি করা হয়। এটি এলোমেলো লেবেলিংয়ের তুলনায় অ্যানোটেশন খরচ নাটকীয়ভাবে হ্রাস করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/bn/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.
- লজিস্টিক রিগ্রেশনগবেষণা পরিসংখ্যান↔ compare
- নেইভ বেইজযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- আধা-তত্ত্বাবধানাধীন শিখন (Semi-supervised Learning)যন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →