Machine learningMachine learning
نموذج جاوس المختلط شبه المُشرف
نموذج جاوس المختلط شبه المُشرف (SS-GMM) هو مُصنِّف احتمالي توليدي يُلائم خليطًا من توزيعات جاوس للبيانات المُصنَّفة وغير المُصنَّفة باستخدام خوارزمية التوقع-التعظيم. تُقيِّد النقاط المُصنَّفة تعيينات المكونات بينما تُحسِّن النقاط غير المُصنَّفة تقديرات الكثافة، مما يُمكِّن التعلم الفعّال عندما تكون الشروح نادرة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- 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 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-gaussian-mixture-model
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.
- انتشار التسميةتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare
- المشفّر التلقائي التباينيالتعلم العميق↔ compare