Aktívne učenie s logistickou regresiou
Aktívne učenie s logistickou regresiou je iteratívny, na štítky efektívny rámec, v ktorom model logistickej regresie vyberá neoznačené príklady, o ktorých si je najmenej istý, orákulum (ľudský anotátor) ich označí a model sa pretrénuje – opakuje sa, kým sa nedosiahne rozpočet na označovanie alebo cieľová presnosť. Dramaticky znižuje náklady na anotáciu v porovnaní s náhodným označovaním.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/sk/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.
- Logistická regresiaŠtatistika vo výskume↔ compare
- Naive BayesStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →