सक्रिय अधिगम रैखिक समाश्रयण
सक्रिय अधिगम रैखिक समाश्रयण (Active Learning Linear Regression) एक पुनरावृत्तीय मशीन-लर्निंग दृष्टिकोण है जो एक रैखिक समाश्रयण मॉडल को एक बुद्धिमान प्रश्न रणनीति के साथ जोड़ता है ताकि लेबलिंग के लिए सबसे सूचनात्मक अलेबल बिंदुओं का चयन किया जा सके। जहाँ अनिश्चितता सबसे अधिक है, वहाँ लेबलिंग प्रयास पर ध्यान केंद्रित करके, यह निष्क्रिय यादृच्छिक नमूनाकरण की तुलना में बहुत कम लेबल वाले उदाहरणों के साथ प्रतिस्पर्धी भविष्य कहनेवाला सटीकता प्राप्त करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/hi/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.
- बायेसियन रैखिक प्रतिगमन (Bayesian Linear Regression)बायेसियन↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare