Hồi quy Logistic bán giám sát
Hồi quy logistic bán giám sát mở rộng bộ phân loại logistic tiêu chuẩn bằng cách kết hợp dữ liệu không được gán nhãn trong quá trình huấn luyện. Sử dụng các bộ bao bọc tự huấn luyện (self-training), kỳ vọng-tối đa hóa (expectation-maximization), hoặc lan truyền nhãn (label-propagation), nó lặp đi lặp lại việc gán nhãn mềm cho các mẫu không được gán nhãn và tinh chỉnh các tham số mô hình, cải thiện khả năng khái quát hóa khi dữ liệu được gán nhãn khan hiếm so với toàn bộ tập dữ liệu.
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
- 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
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Semi-supervised Logistic Regression (Self-training and EM-based variants). ScholarGate. https://scholargate.app/vi/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.
- Lan truyền nhãnHọc máy↔ compare
- Hồi quy Logistic (ML)Học máy↔ compare
- Hồi quy Logistic Tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Naive Bayes Bán Giám SátHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →