Naive Bayes semi-supervisat
El Naive Bayes semi-supervisat estén el model generatiu clàssic de Naive Bayes per aprofitar grans conjunts de dades no etiquetades juntament amb un petit conjunt etiquetat. Utilitzant Expectation-Maximization, inferix iterativament assignacions de classe suaus per a exemples no etiquetats i reestima els paràmetres de classe i de característiques, produint classificadors substancialment millors quan els exemples etiquetats són escassos.
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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ca/machine-learning/semi-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.
- Regressió LogísticaEstadística per a la recerca↔ compare
- Naive BayesAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Support Vector Machine Semisupervisat (S3VM)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →