Regresión lineal semisupervisada
La regresión lineal semisupervisada ajusta un modelo lineal a un pequeño conjunto de datos etiquetados y luego aprovecha un conjunto más grande de observaciones no etiquetadas para mejorar las estimaciones de los coeficientes y la generalización. Al generar pseudo-etiquetas para los puntos no etiquetados y refinar iterativamente el modelo, se logra una mayor precisión predictiva que con un modelo lineal puramente supervisado entrenado solo con escasas etiquetas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/es/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.
- Propagación de EtiquetasAprendizaje automático↔ compare
- Regresión lineal (ML)Aprendizaje automático↔ compare
- Regresión Lineal RegularizadaAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →