Học bán giám sát có điều chuẩn
Học bán giám sát có điều chuẩn bổ sung các số hạng phạt hình học hoặc dựa trên đồ thị tường minh vào một mục tiêu bán giám sát để hàm quyết định thay đổi một cách trơn tru trên đa tạp dữ liệu. Khởi xướng thông qua điều chuẩn đa tạp (Belkin, Niyogi & Sindhwani, 2006), phương pháp này khai thác cấu trúc của cả các ví dụ được gán nhãn và chưa gán nhãn để học các mô hình chính xác hơn so với chỉ điều chuẩn có giám sát khi dữ liệu được gán nhãn khan hiếm.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Semi-Supervised Learning (Manifold Regularization and Graph-Based SSL). ScholarGate. https://scholargate.app/vi/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.
- Quá trình GaussHọc máy↔ compare
- Lan truyền nhãnHọc máy↔ compare
- Hồi quy Logistic Chính quyHọc máy↔ compare
- Rừng ngẫu nhiên được điều chuẩnHọc máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →