Machine learningMachine learning
Active Learning Logistic Regression
Active Learning with Logistic Regression は、ロジスティック回帰モデルが最も不確実な未ラベルの例を選択し、オラクル（人間のアノテーター）がそれらをラベル付けし、モデルを再トレーニングするという、ラベル効率の高い反復フレームワークです。これは、ランダムラベリングと比較して注釈コストを劇的に削減します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →