Regresia logistică semi-supervizată
Regresia logistică semi-supervizată extinde clasificatorul logistic standard prin încorporarea datelor neetichetate în timpul antrenării. Utilizând învelișuri de auto-antrenare (self-training), maximizare-așteptare (expectation-maximization) sau propagare-etichetă (label-propagation), aceasta atribuie iterativ etichete soft exemplelor neetichetate și rafinează parametrii modelului, îmbunătățind generalizarea atunci când datele etichetate sunt rare în raport cu setul complet de date.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Nigam, K., McCallum, A., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39, 103–134. DOI: 10.1023/a:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/ro/machine-learning/semi-supervised-logistic-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.
- Propagarea etichetelorÎnvățare automată↔ compare
- Regresie Logistică (ML)Învățare automată↔ compare
- Regresie logistică auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Naive Bayes semi-supervizatÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →