সেমি-সুপারভাইজড এক্সজিবিউস্ট (Semi-supervised XGBoost)
সেমি-সুপারভাইজড এক্সজিবিউস্ট (Semi-supervised XGBoost) এক্সজিবিউস্ট গ্রেডিয়েন্ট বুস্টিং ফ্রেমওয়ার্ককে এমন পরিস্থিতিতে প্রসারিত করে যেখানে প্রশিক্ষণের উদাহরণগুলির একটি ভগ্নাংশেই কেবল লেবেল থাকে। লেবেলবিহীন ডেটার জন্য পুনরাবৃত্তিমূলকভাবে ছদ্ম-লেবেল (pseudo-labels) তৈরি করে এবং প্রসারিত সেটে পুনরায় প্রশিক্ষণ দিয়ে, এই পদ্ধতিটি লেবেলবিহীন পর্যবেক্ষণগুলি থেকে সংকেত আহরণ করে, যা লেবেলযুক্ত ডেটার অভাবের সময় সাধারণীকরণ ক্ষমতা উন্নত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/bn/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.
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- লেবেল প্রোপাগেশনযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →