Regressione logistica semi-supervisionata
La regressione logistica semi-supervisionata estende il classificatore logistico standard incorporando dati non etichettati durante l'addestramento. Utilizzando wrapper di auto-addestramento, expectation-maximization o propagazione di etichette, assegna iterativamente etichette morbide agli esempi non etichettati e affina i parametri del modello, migliorando la generalizzazione quando i dati etichettati sono scarsi rispetto al set di dati completo.
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
- 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 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/it/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.
- Label PropagationApprendimento automatico↔ compare
- Regressione Logistica (ML)Apprendimento automatico↔ compare
- Regressione logistica auto-supervisionataApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Naive Bayes Semi-SupervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →