Halb-überwachte Lineare Regression
Halb-überwachte lineare Regression passt ein lineares Modell an einen kleinen gelabelten Datensatz an und nutzt dann einen größeren Pool ungelabelter Beobachtungen, um Koeffizientenschätzungen und Generalisierung zu verbessern. Durch die Generierung von Pseudolabels für ungelabelte Punkte und die iterative Verfeinerung des Modells wird eine bessere Vorhersagegenauigkeit erzielt als mit einem rein überwachten linearen Modell, das nur auf knappen Labels trainiert wurde.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/de/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 PropagationMaschinelles Lernen↔ compare
- Lineare Regression (ML)Maschinelles Lernen↔ compare
- Regularisierte Lineare RegressionMaschinelles Lernen↔ compare
- Semi-Supervised LearningMaschinelles Lernen↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →