Semi-supervised lineær regresjon
Semi-supervised lineær regresjon tilpasser en lineær modell til et lite merket datasett og utnytter deretter en større mengde umerkede observasjoner for å forbedre koeffisientestimater og generalisering. Ved å generere pseudo-etiketter for umerkede punkter og iterativt forbedre modellen, oppnår den bedre prediktiv nøyaktighet enn en rent veiledet lineær modell trent kun på knappe etiketter.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/no/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.
- Label PropagationMaskinlæring↔ compare
- Lineær regresjon (ML)Maskinlæring↔ compare
- Regularisert lineær regresjonMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →