Liniowa regresja z aktywnym uczeniem
Liniowa regresja z aktywnym uczeniem to iteracyjne podejście uczenia maszynowego, które łączy model regresji liniowej z inteligentną strategią zapytań w celu wyboru najbardziej informatywnych nieoznaczonych punktów do etykietowania. Koncentrując wysiłek etykietowania tam, gdzie niepewność jest największa, osiąga konkurencyjną dokładność predykcyjną przy znacznie mniejszej liczbie oznakowanych przykładów niż pasywne próbkowanie losowe.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/pl/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.
- Regresja liniowa bayesowskaStatystyka bayesowska↔ compare
- Random ForestUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →