Aktív Tanulás Lineáris Regresszió
Az Aktív Tanulás Lineáris Regresszió egy iteratív gépi tanulási megközelítés, amely egy lineáris regressziós modellt egy intelligens lekérdezési stratégiával párosít a leginformatívabb címkézetlen pontok kiválasztásához. A címkézési erőfeszítést ott összpontosítva, ahol a bizonytalanság a legmagasabb, versenyképes prediktív pontosságot ér el jóval kevesebb címkézett példánnyal, mint a passzív véletlenszerű mintavételezés.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/hu/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.
- Bayesian lineáris regresszióBayes-statisztika↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →