Machine learningMachine learning
למידה פעילה עם רגרסיה לוגיסטית
למידה פעילה עם רגרסיה לוגיסטית היא מסגרת איטרטיבית יעילה מבחינת תיוג, שבה מודל רגרסיה לוגיסטית בוחר את הדוגמאות הלא מתויגות שהוא הכי פחות בטוח לגביהן, אורקל (מתייג אנושי) מתייג אותן, והמודל מאומן מחדש — חוזר חלילה עד שמגיעים לתקציב תיוג או יעד דיוק. היא מפחיתה באופן דרמטי את עלות התיוג בהשוואה לתיוג אקראי.
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. (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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/he/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.
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- בייס נאיבילמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare