アクティブラーニング線形回帰

アクティブラーニング線形回帰は、線形回帰モデルとインテリジェントなクエリ戦略を組み合わせて、最も情報量の多いラベルなしデータを選択する反復的な機械学習アプローチです。不確実性が最も高い箇所にラベリングの労力を集中させることで、受動的なランダムサンプリングよりもはるかに少ないラベル付きデータで、競争力のある予測精度を達成します。