合作学习将通常的预测平方误差损失与一致性惩罚相结合,以鼓励来自不同数据视图的预测一致。通过改变协议惩罚的权重,我们得到了一系列解决方案,其中包括众所周知的早期和晚期融合方法。合作学习以自适应的方式选择一致度(或融合度),使用验证集或交叉验证来估计测试集预测误差。在合作正则化线性回归的设置中,该方法将套索惩罚与约定惩罚相结合(Ding,D.,Li,S.,Narasimhan,B.,Tibshirani,R.(2021)<doi:10.1073/pnas.2202113119>).
请使用规范形式https://CRAN.R-project.org/package=多视图链接到此页面。