Semi-supervised Logistic Regression (Self-training and EM-based variants)

Imaginez entraîner un classifieur de maladies avec seulement 50 diagnostics confirmés mais 5 000 dossiers de patients dont le résultat est inconnu. La régression logistique standard ignore entièrement ces enregistrements non étiquetés. La régression logistique semi-supervisée utilise les prédictions probabilistes du modèle pour attribuer des étiquettes provisoires aux cas non étiquetés, se réentraîne sur l'ensemble agrandi pseudo-étiqueté, et répète le processus. Chaque itération rapproche la frontière de décision des régions de forte densité de données, laissant implicitement les données non étiquetées guider l'emplacement de la frontière sans nécessiter d'annotation coûteuse par des experts.