Regresja liniowa z częściowym nadzorem
Regresja liniowa z częściowym nadzorem dopasowuje model liniowy do małego zbioru danych oznakowanych, a następnie wykorzystuje większą pulę nieoznakowanych obserwacji do poprawy oszacowań współczynników i generalizacji. Generując pseudo-etykiety dla nieoznakowanych punktów i iteracyjnie udoskonalając model, osiąga lepszą dokładność predykcyjną niż czysto nadzorowany model liniowy wytrenowany wyłącznie na skąpych etykietach.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/pl/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.
- Propagacja etykietUczenie maszynowe↔ compare
- Regresja liniowa (ML)Uczenie maszynowe↔ compare
- Regularyzowana regresja liniowaUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →