Mësimi Aktiv me Regresion Logjistik
Mësimi Aktiv me Regresion Logjistik është një kuadër iterativ, efikas në etiketim, në të cilin një model regresioni logjistik zgjedh shembujt e paetiketuar për të cilët është më i pasigurt, një orakull (anotues njerëzor) i etiketion ata, dhe modeli ritrajnohet — duke u përsëritur derisa të plotësohet një buxhet etiketimi ose një objektiv saktësie. Ai redukton në mënyrë dramatike koston e anotimit krahasuar me etiketimin e rastësishëm.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Active Learning with Logistic Regression (Uncertainty Sampling). ScholarGate. https://scholargate.app/sq/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.
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Naive BayesMësimi i makinës↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- Mësimi Gjysmë i MbikëqyrurMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →