अर्ध-पर्यवेक्षित रैखिक प्रतिगमन
अर्ध-पर्यवेक्षित रैखिक प्रतिगमन एक छोटे लेबल वाले डेटासेट पर एक रैखिक मॉडल फिट करता है और फिर गुणांक अनुमानों और सामान्यीकरण को बेहतर बनाने के लिए बिना लेबल वाले अवलोकनों के एक बड़े पूल का लाभ उठाता है। बिना लेबल वाले बिंदुओं के लिए छद्म-लेबल उत्पन्न करके और मॉडल को पुनरावृत्त रूप से परिष्कृत करके, यह केवल दुर्लभ लेबल पर प्रशिक्षित विशुद्ध रूप से पर्यवेक्षित रैखिक मॉडल की तुलना में बेहतर भविष्य कहनेवाला सटीकता प्राप्त करता है।
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
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhou, Z.-H., & Li, M. (2005). Semi-supervised regression with co-training. Proceedings of the 19th International Joint Conference on Artificial Intelligence (IJCAI), 908–913. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/hi/machine-learning/semi-supervised-linear-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.
- लेबल प्रोपेगेशनमशीन अधिगम↔ compare
- रेखीय प्रतिगमन (ML)मशीन अधिगम↔ compare
- नियमित रैखिक प्रतिगमनमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare