Самоконтролиран наивен Байес
Самоконтролираният наивен Байес (Self-supervised Naive Bayes) разширява класическия класификатор наивен Байес, за да използва големи масиви от немаркирани данни, като итеративно присвоява меки псевдо-етикети чрез цикъл на очакване-максимизация (Expectation-Maximization, EM). Първоначално демонстриран за текстова класификация от Nigam et al. (2000), подходът може значително да подобри точността, когато маркираните примери са оскъдни, но немаркираните данни са в изобилие.
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
- 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
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/bg/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.
- Наивен БейсМашинно обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Логистична регресия със самообучениеМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Наивен Бейс с полу-наблюдавано обучениеМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →