Aktives Lernen mit linearer Regression
Aktives Lernen mit linearer Regression ist ein iterativer Ansatz des maschinellen Lernens, der ein lineares Regressionsmodell mit einer intelligenten Abfragestrategie kombiniert, um die informativsten unbeschrifteten Punkte zur Beschriftung auszuwählen. Durch die Konzentration der Beschriftungsbemühungen dort, wo die Unsicherheit am höchsten ist, erzielt er eine wettbewerbsfähige Vorhersagegenauigkeit mit weitaus weniger beschrifteten Beispielen als beim passiven Zufallssampling.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/de/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.
- Bayes'sche Lineare RegressionBayes-Statistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →