Полусупервизорная линейная регрессия
Полусупервизорная линейная регрессия строит линейную модель на небольшом размеченном наборе данных, а затем использует больший пул неразмеченных наблюдений для улучшения оценок коэффициентов и обобщающей способности. Генерируя псевдометки для неразмеченных точек и итеративно уточняя модель, она достигает лучшей прогностической точности, чем чисто супервизорная линейная модель, обученная только на скудных метках.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/ru/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.
- Распространение метокМашинное обучение↔ compare
- Линейная регрессия (МО)Машинное обучение↔ compare
- Регуляризованная линейная регрессияМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →