Активное обучение с линейной регрессией
Активное обучение с линейной регрессией — это итерационный подход машинного обучения, который сочетает модель линейной регрессии с интеллектуальной стратегией запросов для выбора наиболее информативных неразмеченных точек для разметки. Фокусируя усилия по разметке там, где неопределенность максимальна, он достигает конкурентоспособной точности прогнозирования при гораздо меньшем количестве размеченных примеров по сравнению с пассивной случайной выборкой.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/ru/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.
- Байесовская линейная регрессияБайесовские методы↔ compare
- Случайный лесМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →