Naive Bayes auto-supervisat
El Naive Bayes auto-supervisat estén el classificador clàssic de Naive Bayes per aprofitar grans conjunts de dades no etiquetades assignant iterativament pseudo-etiquetes suaus mitjançant un bucle d'Expectation-Maximization. Demostrat originalment per a la classificació de text per Nigam et al. (2000), l'enfocament pot millorar substancialment la precisió quan els exemples etiquetats són escassos però les dades no etiquetades són abundants.
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
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ca/machine-learning/self-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.
- Naive BayesAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- Regressió Logística Auto-supervisadaAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Naive Bayes semi-supervisatAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →