Regresión Logística Semisupervisada
La regresión logística semisupervisada extiende el clasificador logístico estándar incorporando datos no etiquetados durante el entrenamiento. Utilizando envoltorios de autoentrenamiento, expectativa-maximización o propagación de etiquetas, asigna iterativamente etiquetas suaves a ejemplos no etiquetados y refina los parámetros del modelo, mejorando la generalización cuando los datos etiquetados son escasos en relación con el conjunto de datos completo.
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
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/es/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.
- Propagación de EtiquetasAprendizaje automático↔ compare
- Regresión Logística (ML)Aprendizaje automático↔ compare
- Regresión Logística AutosupervisadaAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Naive Bayes Semi-supervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →