Aktiv inlärning linjär regression
Aktiv inlärning linjär regression är en iterativ maskininlärningsmetod som kombinerar en linjär regressionsmodell med en intelligent frågestrategi för att välja de mest informativa omärkta punkterna för märkning. Genom att fokusera märkningsinsatsen där osäkerheten är högst, uppnås konkurrenskraftig prediktiv noggrannhet med betydligt färre märkta exempel än passiv slumpmässig sampling.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Active Learning with Linear Regression. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk linjär regressionBayesiansk statistik↔ compare
- Random ForestMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →