Regularisert semi-veiledet læring
Regularisert semi-veiledet læring legger til eksplisitte geometriske eller grafbaserte straffeledd til et semi-veiledet mål, slik at beslutningsfunksjonen varierer jevnt over datamanifolden. Pionert gjennom manifoldregularisering (Belkin, Niyogi & Sindhwani, 2006), utnytter den strukturen til både merkede og umerkede eksempler for å lære mer nøyaktige modeller enn rent veiledet regularisering alene når merkede data er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/no/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.
- Gaussisk prosessMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Regulert logistisk regresjonMaskinlæring↔ compare
- Regulert tilfeldig skogMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →