Полу-наблюдаван бустинг
Полу-наблюдаваният бустинг (Semi-supervised Boosting) е парадигма за ансамблово обучение, която разширява класическите бустинг алгоритми — като AdaBoost — за да използва както етикетирани, така и нетикетирани данни. Чрез разпространение на информация за етикетите посредством структура на подобие върху нетикетирани екземпляри, той обучава по-силни класификатори, отколкото само наблюдаваният бустинг, когато етикетираните данни са оскъдни.
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
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-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.
- AdaBoostМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- Label PropagationМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →