Uregularyzowane uczenie częściowo nadzorowane
Uregularyzowane uczenie częściowo nadzorowane (regularized semi-supervised learning) dodaje jawne geometryczne lub grafowe człony kary do funkcji celu uczenia częściowo nadzorowanego, tak aby funkcja decyzyjna zmieniała się płynnie na rozmaitości danych. Zapoczątkowane przez regularyzację rozmaitości (manifold regularization) (Belkin, Niyogi & Sindhwani, 2006), wykorzystuje ono strukturę zarówno oznakowanych, jak i nieoznakowanych przykładów do uczenia dokładniejszych modeli niż sama regularyzacja nadzorowana, gdy dane oznakowane są rzadkie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/pl/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.
- Proces GaussaUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Regularyzowana regresja logistycznaUczenie maszynowe↔ compare
- Uregulowany las losowyUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →