Регуляризоване напівкероване навчання
Регуляризоване напівкероване навчання додає явні геометричні або графові штрафні члени до напівкерованої мети, щоб функція рішення плавно змінювалася на многовиді даних. Започатковане через регуляризацію многовиду (Belkin, Niyogi & Sindhwani, 2006), воно використовує структуру як мічених, так і немічених прикладів для вивчення точніших моделей, ніж лише кероване регуляризація, коли мічених даних обмаль.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/uk/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.
- Гаусівський процесМашинне навчання↔ compare
- Label PropagationМашинне навчання↔ compare
- Регуляризована логістична регресіяМашинне навчання↔ compare
- Регуляризований випадковий лісМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →