सक्रिय अधिगम लॉजिस्टिक प्रतिगमन
सक्रिय अधिगम लॉजिस्टिक प्रतिगमन के साथ एक पुनरावृत्तीय लेबल-कुशल ढाँचा है जिसमें एक लॉजिस्टिक प्रतिगमन मॉडल उन अनलेबल उदाहरणों का चयन करता है जिनके बारे में वह सबसे अधिक अनिश्चित है, एक ऑरेकल (मानव एनोटेटर) उन्हें लेबल करता है, और मॉडल को फिर से प्रशिक्षित किया जाता है — लेबलिंग बजट या सटीकता लक्ष्य पूरा होने तक दोहराया जाता है। यह यादृच्छिक लेबलिंग की तुलना में एनोटेशन लागत को नाटकीय रूप से कम 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. (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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/hi/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.
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- Naive Bayesमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare