Semi-supervised linjär regression
Semi-supervised linjär regression anpassar en linjär modell till en liten märkt datamängd och utnyttjar sedan en större pool av omärkta observationer för att förbättra koefficientestimaten och generaliseringen. Genom att generera pseudo-etiketter för omärkta punkter och iterativt förfina modellen uppnås bättre prediktiv noggrannhet än med en rent övervakad linjär modell tränad enbart på knappa etiketter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Linear Regression (Linear Model with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/sv/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.
- EtikettpropageringMaskininlärning↔ compare
- Linjär regression (ML)Maskininlärning↔ compare
- Regulariserad linjär regressionMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →