Полу-наблюдавана линейна регресия
Полу-наблюдаваната линейна регресия напасва линеен модел върху малък маркиран набор от данни и след това използва по-голям набор от немаркирани наблюдения, за да подобри оценките на коефициентите и генерализацията. Чрез генериране на псевдо-етикети за немаркирани точки и итеративно усъвършенстване на модела, тя постига по-добра прогнозна точност от чисто наблюдаван линеен модел, обучен само върху оскъдни етикети.
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
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhou, Z.-H., & Li, M. (2005). Semi-supervised regression with co-training. Proceedings of the 19th International Joint Conference on Artificial Intelligence (IJCAI), 908–913. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-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.
- Label PropagationМашинно обучение↔ compare
- Линейна регресия (Мл)Машинно обучение↔ compare
- Регуляризирана линейна регресияМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →