Logistická regresia s čiastočným dohľadom
Logistická regresia s čiastočným dohľadom rozširuje štandardný logistický klasifikátor o začlenenie neoznačených dát počas tréningu. Použitím obalov metód self-training, očakávania-maximalizácie alebo propagácie označení iteratívne priraďuje mäkké označenia neoznačeným príkladom a zdokonaľuje parametre modelu, čím zlepšuje generalizáciu, keď sú označené dáta v pomere k celému datasetu zriedkavé.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/sk/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.
- Propagácia štítkovStrojové učenie↔ compare
- Logistická regresia (ML)Strojové učenie↔ compare
- Logistická regresia so samoučiacim sa učenímStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Polosupervizované Naive BayesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →