Puss-uzraudzītā lineārā regresija
Puss-uzraudzītā lineārā regresija pielāgo lineāru modeli nelielam iezīmētam datu kopumam un pēc tam izmanto lielāku neiezīmētu novērojumu kopumu, lai uzlabotu koeficientu novērtējumus un vispārināšanu. Radot pseido-iezīmes neiezīmētiem punktiem un iteratīvi uzlabojot modeli, tā sasniedz labāku prognozēšanas precizitāti nekā tīri uzraudzīts lineārs modelis, kas apmācīts tikai uz ierobežotiem iezīmējumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/lv/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.
- Iezīmju izplatīšanaMašīnmācīšanās↔ compare
- Lineārā regresija (ML)Mašīnmācīšanās↔ compare
- Regulārā lineārā regresijaMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →