Machine learningMachine learning

רגרסיה לוגיסטית מונחית-למחצה

רגרסיה לוגיסטית מונחית-למחצה מרחיבה את המסווג הלוגיסטי הסטנדרטי על ידי שילוב נתונים לא מתויגים במהלך האימון. באמצעות עטיפות של אימון-עצמי, ציפייה-מקסימיזציה, או הפצת-תוויות, היא מקצה באופן איטרטיבי תוויות רכות לדוגמאות לא מתויגות ומעדנת פרמטרים של המודל, תוך שיפור ההכללה כאשר נתונים מתויגים נדירים יחסית למערך הנתונים המלא.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. 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
  2. Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateSemi-supervised Logistic Regression (Semi-supervised Logistic Regression (Self-training and EM-based variants)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/semi-supervised-logistic-regression · מערך נתונים: https://doi.org/10.5281/zenodo.20539026