Ансамблово полунаблюдавано обучение
Ансамбловото полунаблюдавано обучение комбинира множество базови обучители с парадигмата на полунаблюдаваното обучение, като използва както малък набор от етикетирани, така и голям набор от нетикетирани данни. Позволявайки на различни класификатори да се учат взаимно чрез псевдо-етикетиране или ко-обучение, ансамбълът подобрява генерализацията далеч отвъд това, което всеки подход сам по себе си би могъл да постигне с ограничени етикети.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT 1998), pp. 92–100. ACM. DOI: 10.1145/279943.279962 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Ensemble Semi-supervised Learning (Combining Ensemble Methods with Semi-supervised Paradigms). ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-semi-supervised-learning
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.
- Bagging (Bootstrap Aggregating)Машинно обучение↔ compare
- БустингМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
- Гласуваща ансамблова схемаМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →