Regularizovano polu-nadgledano učenje
Regularizovano polu-nadgledano učenje dodaje eksplicitne geometrijske ili grafički zasnovane kaznene članove polu-nadgledanom cilju tako da se funkcija odlučivanja glatko menja preko mnogostrukosti podataka. Pionirski razvijeno kroz regularizaciju mnogostrukosti (Belkin, Niyogi & Sindhwani, 2006), ono koristi strukturu i obeleženih i neobeleženih primera da bi naučilo preciznije modele nego što bi to sama nadgledana regularizacija postigla kada su obeleženi podaci retki.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/sr/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.
- Gausov procesMašinsko učenje↔ compare
- Propagacija oznakaMašinsko učenje↔ compare
- Regulizovana logistička regresijaMašinsko učenje↔ compare
- Регуларизована случајна шумаMašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →