Regresie Logistică cu Învățare Activă
Învățarea Activă cu Regresie Logistică este un cadru iterativ eficient din punct de vedere al etichetării, în care un model de regresie logistică selectează exemplele neetichetate despre care este cel mai nesigur, un oracol (anotator uman) le etichetează, iar modelul este reantrenat — repetându-se până la atingerea unui buget de etichetare sau a unui țintă de acuratețe. Reduce dramatic costul de anotare comparativ cu etichetarea aleatorie.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/ro/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.
- Regresia LogisticăStatistică pentru cercetare↔ compare
- Naive BayesÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →