Полусъпровождано дърво на решенията
Полу-наблюдавано дърво на решенията разширява стандартната индукция на дървета на решения — като CART или C4.5 — за да използва немаркирани наблюдения заедно с маркирания набор за обучение. Чрез итеративно присвояване на временни етикети на немаркирани данни и включването им в процеса на израстване или разделяне, алгоритъмът може да постигне по-добра точност от напълно наблюдавано дърво, обучено само върху маркирания поднабор, което е особено ценно, когато маркирането е скъпо или отнема време.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-decision-tree
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.
- Дърво на решениятаМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- Label PropagationМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →