Logistilise regressiooni pooljuhendatud õpe
Pooljuhendatud logistiline regressioon laiendab standardset logistilist klassifitseerijat, kaasates treeningprotsessi märgistamata andmeid. Kasutades enesetreeningu (self-training), ootuste-maksimeerimise (expectation-maximization) või sildipropageerimise (label-propagation) ümbriseid (wrappers), omistab see iteratiivselt pehmeid silte märgistamata näidistele ja täiustab mudeli parameetreid, parandades üldistusvõimet, kui märgistatud andmeid on võrreldes kogu andmestikuga vähe.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/et/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.
- Siltide levitamineMasinõpe↔ compare
- Logistiline regressioon (ML)Masinõpe↔ compare
- Eneseteadlik RegressioonMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- Poolitult järelevalvega Naive BayesMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →