Machine learningMachine learning
רגרסיה לינארית בלמידה אקטיבית
למידה אקטיבית ברגרסיה לינארית היא גישה איטרטיבית בלמידת מכונה המשלבת מודל רגרסיה לינארית עם אסטרטגיית שאילתה חכמה לבחירת הנקודות הלא מתויגות האינפורמטיביות ביותר לתיוג. על ידי מיקוד מאמץ התיוג במקומות שבהם אי-הוודאות הגבוהה ביותר, היא משיגה דיוק חיזוי תחרותי עם פחות דוגמאות מתויגות בהרבה מאשר דגימה אקראית פסיבית.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/he/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.
- רגרסיה לינארית בייסיאניתבייסיאני↔ compare
- יער אקראילמידת מכונה↔ compare