Regressione Lineare Semi-supervisionata
La regressione lineare semi-supervisionata adatta un modello lineare su un piccolo set di dati etichettato e quindi sfrutta un pool più ampio di osservazioni non etichettate per migliorare le stime dei coefficienti e la generalizzazione. Generando pseudo-etichette per i punti non etichettati e affinando iterativamente il modello, ottiene una migliore accuratezza predittiva rispetto a un modello lineare puramente supervisionato addestrato solo su etichette scarse.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/it/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.
- Label PropagationApprendimento automatico↔ compare
- Regressione Lineare (ML)Apprendimento automatico↔ compare
- Regressione Lineare RegolarizzataApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →