Machine learningMachine learning
半教師ありロジスティック回帰
半教師ありロジスティック回帰は、訓練中にラベルなしデータを組み込むことで、標準的なロジスティック分類器を拡張したものです。自己学習、期待値最大化 (EM)、またはラベル伝播ラッパーを使用し、ラベルなし事例にソフトラベルを繰り返し割り当て、モデルパラメータを洗練します。これにより、全データセットに対してラベル付きデータが少ない場合に汎化性能が向上します。
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
- 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
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/ja/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.
- ラベル伝播機械学習↔ compare
- ロジスティック回帰 (ML)機械学習↔ compare
- 自己教師ありロジスティック回帰機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 半教師ありナイーブベイズ機械学習↔ compare