Regressió logística semisupervisada
La regressió logística semisupervisada estén el classificador logístic estàndard incorporant dades no etiquetades durant l'entrenament. Utilitzant embolcalls de auto-entrenament (self-training), expectation-maximization (EM) o propagació d'etiquetes (label propagation), assigna iterativament etiquetes suaus (soft labels) a exemples no etiquetats i refina els paràmetres del model, millorant la generalització quan les dades etiquetades són escasses en relació amb el conjunt de dades complet.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Nigam, K., McCallum, A., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39, 103–134. DOI: 10.1023/a:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/ca/machine-learning/semi-supervised-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.
- Propagació d'etiquetesAprenentatge automàtic↔ compare
- Regressió Logística (ML)Aprenentatge automàtic↔ compare
- Regressió Logística Auto-supervisadaAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Naive Bayes semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →