التدريب المجمع شبه المُشرف (Semi-supervised Bagging)
يمد التدريب المجمع شبه المُشرف (Semi-supervised Bagging) تقنية التدريب المجمع الكلاسيكية (bagging) لتشمل الحالات التي تكون فيها أمثلة التدريب المُصنفة نادرة، ولكن تتوفر كميات كبيرة من البيانات غير المُصنفة. تقوم النماذج الأساسية المدربة على البيانات المُصنفة بتعيين تصنيفات زائفة (pseudo-labels) للأمثلة غير المُصنفة؛ ثم تُستخدم مجموعة البيانات الموسعة لإنشاء مجموعة متنوعة من النماذج المجمعة التي يكون تصويتها المجمع أكثر دقة واستقرارًا من أي نموذج فردي مدرب على المجموعة المحدودة المُصنفة وحدها.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-bagging
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.
- تعزيز التدرجتعلم الآلة↔ compare
- انتشار التسميةتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare