Regulirano polunadzorirano učenje
Regulirano polunadzorirano učenje dodaje eksplicitne geometrijske ili grafičke kaznene članove cilju polunadzoriranog učenja kako bi se osiguralo da se diskriminacijska funkcija glatko mijenja preko podatkovne varijante. Inicirano regularizacijom varijante (Belkin, Niyogi & Sindhwani, 2006), iskorištava strukturu označenih i neoznačenih primjera za učenje točnijih modela od same nadzirane regularizacije kada su označeni podaci oskudni.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/hr/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.
- Gaussovi procesiStrojno učenje↔ compare
- Propagacija oznakaStrojno učenje↔ compare
- Regularizirana logistička regresijaStrojno učenje↔ compare
- Regulirani slučajni šumStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →