Aprenentatge bayesià semisupervisat
L'aprenentatge bayesià semisupervisat és un marc probabilístic que utilitza tant un petit conjunt de dades etiquetades com una reserva més gran d'observacions no etiquetades per inferir paràmetres del model i fer prediccions. En tractar les etiquetes perdudes com a variables latents i col·locar priors sobre els paràmetres, quantifica de manera natural la incertesa mentre aprofita les dades no etiquetades per millorar la generalització.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/ca/machine-learning/bayesian-semi-supervised-learning
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.
- Aprenentatge actiu bayesiàAprenentatge automàtic↔ compare
- Model de Mescla Gaussiana BayesianaAprenentatge automàtic↔ compare
- Aprenentatge amb pocs exemplesAprenentatge automàtic↔ compare
- Processos GaussianosAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →