Aktivno učenje za linearnu regresiju
Aktivno učenje za linearnu regresiju je iterativni pristup strojnog učenja koji spaja model linearne regresije s inteligentnom strategijom upita kako bi odabrao najinformativnije neoznačene točke za označavanje. Fokusiranjem napora označavanja tamo gdje je nesigurnost najveća, postiže konkurentnu prediktivnu točnost s daleko manje označenih primjera nego pasivnim slučajnim uzorkovanjem.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/hr/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.
- Bayesovska linearna regresijaBayesovska statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →