नियमितीकृत अर्ध-पर्यवेक्षित अधिगम
नियमितीकृत अर्ध-पर्यवेक्षित अधिगम डेटा मैनिफोल्ड पर निर्णय फलन को सुचारू रूप से भिन्न करने के लिए अर्ध-पर्यवेक्षित उद्देश्य में स्पष्ट ज्यामितीय या ग्राफ-आधारित दंड पद जोड़ता है। मैनिफोल्ड नियमितीकरण (बेलकिन, नियोगी और सिंधवानी, 2006) के माध्यम से अग्रणी, यह लेबल किए गए और बिना लेबल वाले दोनों उदाहरणों की संरचना का फायदा उठाता है ताकि लेबल किए गए डेटा की कमी होने पर अकेले पर्यवेक्षित नियमितीकरण की तुलना में अधिक सटीक मॉडल सीख सकें।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Belkin, M., Niyogi, P., & Sindhwani, V. (2006). Manifold regularization: A geometric framework for learning from labeled and unlabeled examples. Journal of Machine Learning Research, 7, 2399–2434. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/hi/machine-learning/regularized-semi-supervised-learning
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.
- गॉसियन प्रक्रियामशीन अधिगम↔ compare
- लेबल प्रोपेगेशनमशीन अधिगम↔ compare
- नियमितीकृत लॉजिस्टिक रिग्रेशनमशीन अधिगम↔ compare
- नियमितीकृत यादृच्छिक वनमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare