Polozsupervisední lineární regrese
Polozsupervisední lineární regrese přizpůsobuje lineární model na malém označeném datovém souboru a poté využívá větší množství neoznačených pozorování ke zlepšení odhadů koeficientů a generalizace. Generováním pseudoznaček pro neoznačené body a iterativním vylepšováním modelu dosahuje lepší prediktivní přesnosti než čistě polozsupervisední lineární model trénovaný pouze na řídkých značkách.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/cs/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.
- Propagace popiskůStrojové učení↔ compare
- Lineární regrese (ML)Strojové učení↔ compare
- Regularizované lineární regreseStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →