Bagging Semi-supervisat
El Bagging Semi-supervisat estén l'ensemble clàssic de bagging a entorns on els exemples d'entrenament etiquetats són escassos però hi ha grans quantitats de dades no etiquetades disponibles. Els aprenents base entrenats amb dades etiquetades assignen pseudo-etiquetes als exemples no etiquetats; el conjunt de dades ampliat s'utilitza llavors per fer créixer un ensemble divers el vot agregat del qual és més precís i més estable que qualsevol model individual entrenat només amb el conjunt etiquetat limitat.
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
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/ca/machine-learning/semi-supervised-bagging
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.
- Gradient BoostingAprenentatge automàtic↔ compare
- Propagació d'etiquetesAprenentatge automàtic↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →