Actief Leren Lineaire Regressie
Actief Leren Lineaire Regressie is een iteratieve machine-learning benadering die een lineair regressiemodel koppelt aan een intelligente querystrategie om de meest informatieve ongelabelde punten te selecteren voor labeling. Door de labelinginspanning te richten waar de onzekerheid het hoogst is, bereikt het een competitieve voorspellende nauwkeurigheid met veel minder gelabelde voorbeelden dan passieve willekeurige steekproeven.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse Lineaire RegressieBayesiaanse statistiek↔ compare
- Random ForestMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →