Полу-наблюдаван Гаусов смесен модел
Полу-наблюдаваният Гаусов смесен модел (SS-GMM) е генеративен вероятностен класификатор, който напасва Гаусова смес към етикетирани и неетикетирани данни, използвайки алгоритъма на очакване-максимизация. Етикетираните точки ограничават присвояванията на компоненти, докато неетикетираните точки подобряват оценките на плътността, позволявайки ефективно обучение при недостиг на анотации.
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
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-gaussian-mixture-model
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.
- Label PropagationМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →