Regresi Linear Pembelajaran Aktif
Regresi Linear Pembelajaran Aktif ialah pendekatan pembelajaran mesin berulang yang menggabungkan model regresi linear dengan strategi pertanyaan pintar untuk memilih titik-titik tak berlabel yang paling bermaklumat untuk pelabelan. Dengan menumpukan usaha pelabelan di mana ketidakpastian adalah tertinggi, ia mencapai ketepatan ramalan yang kompetitif dengan contoh berlabel yang jauh lebih sedikit berbanding pensampelan rawak pasif.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/ms/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.
- Regresi Linear BayesianBayesian↔ compare
- Random ForestPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →