Regressió Logística amb Aprenentatge Actiu
L'Aprenentatge Actiu amb Regressió Logística és un marc iteratiu i eficient en l'etiquetatge en què un model de regressió logística selecciona els exemples no etiquetats sobre els quals té més incertesa, un oracle (anotador humà) els etiqueta i el model es reentrena, repetint-se fins que s'assoleix un pressupost d'etiquetatge o un objectiu d'exactitud. Redueix dràsticament el cost d'anotació en comparació amb l'etiquetatge aleatori.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/ca/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.
- Regressió LogísticaEstadística per a la recerca↔ compare
- Naive BayesAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →