Полу-контролиран XGBoost
Полу-контролиран XGBoost разширява рамката на градиентния бустинг XGBoost за сценарии, където само част от тренировъчните примери носят етикети. Чрез итеративно генериране на псевдо-етикети за немаркирани данни и претрениране върху разширения набор, методът извлича сигнал от немаркирани наблюдения, подобрявайки генерализацията при недостиг на маркирани данни.
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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/bg/machine-learning/semi-supervised-xgboost
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.
- Градиентен бустингМашинно обучение↔ compare
- Label PropagationМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →