بايز الساذج ذاتي الإشراف
يمدّد مصنف بايز الساذج الكلاسيكي ليستفيد من مجموعات كبيرة من البيانات غير المسماة عبر تعيين تسميات زائفة ناعمة بشكل تكراري من خلال حلقة التوقع-التعظيم (Expectation-Maximization). تم توضيحه في الأصل لتصنيف النصوص بواسطة Nigam وآخرون (2000)، ويمكن لهذا النهج تحسين الدقة بشكل كبير عندما تكون الأمثلة المسماة نادرة ولكن البيانات غير المسماة وفيرة.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ar/machine-learning/self-supervised-naive-bayes
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- بايز الساذج (Naive Bayes)تعلم الآلة↔ compare
- التعلم ذاتي الإشرافتعلم الآلة↔ compare
- الانحدار اللوجستي ذاتي الإشرافتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare
- نايف بايز شبه مُشرف عليهتعلم الآلة↔ compare