Machine learningMachine learning
正則化半教師あり学習
正則化半教師あり学習は、半教師あり学習の目的関数に明示的な幾何学的またはグラフベースのペナルティ項を追加することで、決定関数がデータ多様体上で滑らかに変化するようにする。多様体正則化（Belkin, Niyogi & Sindhwani, 2006）によって開拓されたこの手法は、ラベル付きデータが少ない場合に、教師あり正則化のみよりも正確なモデルを学習するために、ラベル付きおよびラベルなしの両方の例の構造を利用する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/ja/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.
- ガウス過程機械学習↔ compare
- ラベル伝播機械学習↔ compare
- 正則化ロジスティック回帰機械学習↔ compare
- 正則化ランダムフォレスト機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師あり学習機械学習↔ compare