Наивен Бейс с полу-наблюдавано обучение
Наивен Бейс с полу-наблюдавано обучение разширява класическия генеративен модел Наивен Бейс, за да използва големи обеми немаркирани данни заедно с малък набор маркирани данни. Използвайки Expectation-Maximization (EM), той итеративно извежда меки назначения на класове за немаркирани примери и преоценява параметрите на класовете и признаците, което води до значително по-добри класификатори, когато маркираните примери 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
- 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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/bg/machine-learning/semi-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.
- Логистична регресияСтатистика за изследвания↔ compare
- Наивен БейсМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Полу-наблюдавана машина с опорни векториМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →