Lineární regrese s aktivním učením
Lineární regrese s aktivním učením je iterativní přístup strojového učení, který kombinuje model lineární regrese s inteligentní strategií dotazování za účelem výběru nejinformativnějších neoznačených bodů k označení. Zaměřením úsilí na označování tam, kde je nejvyšší nejistota, dosahuje konkurenční predikční přesnosti s mnohem menším počtem označených příkladů než pasivní náhodný výběr.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/cs/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.
- Bayesovská lineární regreseBayesovská statistika↔ compare
- Random ForestStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →