集成最近邻规则的半监督顺序回归算法

？监督型顺序回归算法需要足够多的有标签样本，而在实践中，标注样本的序数耗时耗力，甚至难以完成。为此，提出一种集成最近邻规则的半监督顺序回归算法。基于最近邻，针对每个有标签样本，在无标签数据集选择与其最近似的若干样本赋以相同序数；再由监督型顺序回归算法训练有标签样本和新标注样本。多个数据集的实验结果显示，该方法能显著改善顺序回归性能。另外，引入折扣因子λ评估新标注样本的可信度，并讨论了λ和有标签数据集大小对方法的影响。