PulseAugur
中
实时 19:16:19
English(EN) SSLfmm: An R Package for Semi-Supervised Learning with Mixed Missingness

新的R包SSLfmm解决了带有缺失标签的半监督学习问题

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为SSLfmm的新R包已被开发用于半监督学习，专门解决类别标签中混合缺失的情况。该包实现了一种基于似然的高斯有限混合分类方法，该方法在类别分布的同时对标签缺失过程进行建模。SSLfmm支持各种缺失机制，包括完全案例、完全随机缺失（MCAR）和随机缺失（MAR），并提供了一个统一的R接口用于拟合、预测和诊断。 AI

影响 为处理机器学习任务中带有不完整标签数据的研究人员和实践者提供了一个新工具。

排序理由 该集群是关于一个在arXiv上发布的新R包，用于半监督学习。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的R包SSLfmm解决了带有缺失标签的半监督学习问题

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群是关于一个在arXiv上发布的新R包，用于半监督学习。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
49 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Geoffrey J. McLachlan, Jinran Wu ·

    SSLfmm：一种用于混合缺失的半监督学习的R包

    arXiv:2512.03322v3 Announce Type: replace-cross Abstract: Partially labelled samples arise when features are observed for all data, but class labels are available for only a subset. In such settings, the mechanism governing label availability may itself contain information releva…

相关实体

相关话题