Semi-supervised LightGBM
Semi-supervised LightGBM комбинира високоефективната рамка за градиентно усилване на LightGBM с полу-наблюдавани стратегии — най-често псевдо-етикетиране или самообучение — за да използва големи обеми немаркирани данни заедно с по-малък набор от маркирани данни, подобрявайки предсказващата производителност, когато получаването на етикети 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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
- 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). Semi-supervised Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-lightgbm
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.
- LightGBMМашинно обучение↔ compare
- Полу-наблюдавано градиентно усилванеМашинно обучение↔ compare
- Полу-наблюдавано случайно дървоМашинно обучение↔ compare
- Полу-контролиран XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →