Polulogistička regresija
Polulogistička regresija proširuje standardni logistički klasifikator uključivanjem neoznačenih podataka tokom obuke. Koristeći omotače za samostalno učenje, očekivane vrednosti-maksimizaciju ili propagaciju oznaka, ona iterativno dodeljuje meke oznake neoznačenim primerima i usavršava parametre modela, poboljšavajući generalizaciju kada su označeni podaci oskudni u odnosu na pun skup podataka.
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
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/sr/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.
- Propagacija oznakaMašinsko učenje↔ compare
- Logistička regresija (ML)Mašinsko učenje↔ compare
- Logistička regresija sa samonadzoromMašinsko učenje↔ compare
- Semi-supervised LearningMašinsko učenje↔ compare
- Polunasledni Naivni BejzMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →