Λογιστική Παλινδρόμηση Ενεργητικής Μάθησης
Η Λογιστική Παλινδρόμηση Ενεργητικής Μάθησης είναι ένα επαναληπτικό πλαίσιο αποδοτικό ως προς την επισήμανση, στο οποίο ένα μοντέλο λογιστικής παλινδρόμησης επιλέγει τα μη επισημασμένα παραδείγματα για τα οποία έχει τη μεγαλύτερη αβεβαιότητα, ένας οραματιστής (ανθρώπινος σχολιαστής) τα επισημαίνει και το μοντέλο επανεκπαιδεύεται — επαναλαμβάνοντας μέχρι να επιτευχθεί ένας προϋπολογισμός επισήμανσης ή ένας στόχος ακρίβειας. Μειώνει δραστικά το κόστος σχολιασμού σε σύγκριση με την τυχαία επισήμανση.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/el/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.
- Λογιστική ΠαλινδρόμησηΕρευνητική Στατιστική↔ compare
- Naive BayesΜηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →