Регуляризованное полусупервизорное обучение
Регуляризованное полусупервизорное обучение добавляет явные геометрические или графовые штрафные члены к целевой функции полусупервизорного обучения, чтобы функция принятия решений плавно изменялась по многообразию данных. Впервые предложенное в рамках регуляризации многообразий (Belkin, Niyogi & Sindhwani, 2006), оно использует структуру как размеченных, так и неразмеченных примеров для построения более точных моделей, чем только супервизорная регуляризация, когда размеченных данных мало.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/ru/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.
- Гауссовский процессМашинное обучение↔ compare
- Распространение метокМашинное обучение↔ compare
- Регуляризованная логистическая регрессияМашинное обучение↔ compare
- Регуляризованный случайный лесМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →