半监督回归

大致分为三类：

1、基于流行学习的半监督回归算法。流行学习方法的研究大都着眼于样本结构信息，通过挖掘样本蕴含的结构信息，进而提高算法性能。
2、协同训练算法。协同训练的主要思路是对有标签样本建立两个学习器，在假设数据存在双视图的前提下，通过相互学习，逐步提高每个学习器的精度，从而实现对无标签样本信息的准确预测，进而达到提升模型精度的目的。
3、半监督思想能够与其他典型方法结合，充分发挥原有方法的优势和半监督思想的特点，在相关领域也有相应的成果。

基于流行学习的半监督回归算法

协同训练算法

半监督回归置信度判断

置信度判断是半监督回归中一个至关重要的问题，其决定了能否选出可信的伪标签样本更新为标签样本集，直接影响算法预测性能。