تعزيز التدرج شبه المُشرف عليه
يجمع تعزيز التدرج شبه المُشرف عليه بين أشجار التدرج المُعززة والتدريب الذاتي أو التوسيم الزائف لاستغلال مجموعات كبيرة من البيانات غير المُصنفة جنبًا إلى جنب مع مجموعة صغيرة مُصنفة. يقوم نموذج تعزيز التدرج الأولي المُناسب على البيانات المُصنفة بتعيين تنبؤات واثقة للأمثلة غير المُصنفة؛ يتم دمج هذه النقاط ذات التوسيم الزائف مرة أخرى في التدريب ويتم إعادة تعزيز النموذج، ويتكرر ذلك حتى التقارب. يسمح هذا للممارسين بالاستفادة من البيانات غير المُصنفة الرخيصة عندما تكون التصنيفات نادرة أو باهظة الثمن.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- 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). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/ar/machine-learning/semi-supervised-gradient-boosting
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.
- التعزيزتعلم الآلة↔ compare
- تعزيز التدرجتعلم الآلة↔ compare
- التعلم ذاتي الإشرافتعلم الآلة↔ compare
- التعلم شبه المُشرفتعلم الآلة↔ compare
- الغابات العشوائية شبه المُشرف عليهاتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare