Регуляризирано полунаблюдавано обучение
Регуляризираното полунаблюдавано обучение добавя явни геометрични или базирани на графи наказателни членове към полунаблюдавана цел, така че функцията на решението да варира гладко върху многообразието от данни. Започнало с регуляризация на многообразието (Belkin, Niyogi & Sindhwani, 2006), то използва структурата както на маркирани, така и на немаркирани примери за научаване на по-точни модели от чисто наблюдавана регуляризация, когато маркираните данни са оскъдни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Belkin, M., Niyogi, P., & Sindhwani, V. (2006). Manifold regularization: A geometric framework for learning from labeled and unlabeled examples. Journal of Machine Learning Research, 7, 2399–2434. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Как да цитирате тази страница
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/bg/machine-learning/regularized-semi-supervised-learning
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.
- Гаусов процесМашинно обучение↔ compare
- Label PropagationМашинно обучение↔ compare
- Регуляризирана логистична регресияМашинно обучение↔ compare
- Регуляризиран случаен лесМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →