RSSL：半监督学习方法的实现分类

半监督分类器的实现集合以及评估其性能的方法。该包包括实现其中包括内隐约束学习、瞬间约束学习、，Transductive SVM，流形正则化，最大对比悲观可能性估计、S4VM和WellSVM。

版本：	0.9.7
取决于：	R（≥2.10.0）
进口：	方法，卢比,MASS（质量）,内核实验室,二次规划优化函数,矩阵,数字播放器,第三年,ggplot2,重塑2,规模,集群
链接到：	卢比,RcppArmadillo公司
建议：	测试那个,rmarkdown公司,SparseM（备用）,数字派生,利伯里纳,覆盖（covr）
出版：	2023-12-07
作者：	杰西·克里杰（Jesse Krijthe）[aut，cre]
维护人员：	杰西·克里杰斯（Jesse Krijthe）
错误报告：	https://github.com/jkrijthe/RSSL
许可证：	GPL-2型|GPL-3公司[扩展自：GPL（≥2）]
网址：	https://github.com/jkrijthe/RSSL
需要编译：	是的
引用：	RSSL引用信息
材料：	自述文件
CRAN检查：	RSSL结果

文档：

参考手册：

RSSL.pdf文件

下载内容：

包源：	RSSL_0.9.7.tar.gz号
Windows二进制文件：	r-devel公司：RSSL_0.9.7.zip码，r版本：RSSL_0.9.7.zip码，r-oldrel：RSSL_0.9.7.zip码
macOS二进制文件：	r释放（arm64）：RSSL_0.9.7.tgz号，r-oldrel（arm64）：RSSL_0.9.7.tgz号，r-版本（x86_64）：RSSL_0.9.7.tgz号，r-oldrel（x86_64）：RSSL_0.9.7.tgz号
旧来源：	RSSL存档

反向依赖关系：

反向进口：

固态继电器

链接：

请使用规范形式https://CRAN.R-project.org/package=RSSL链接到此页面。