Bayesovské částečně učící se modely
Bayesovské částečně učící se modely (Bayesian semi-supervised learning) představují pravděpodobnostní rámec, který využívá jak malou označenou datovou sadu, tak větší soubor neoznačených pozorování k odhadu parametrů modelu a tvorbě predikcí. Tím, že chybějící označení považuje za latentní proměnné a umisťuje apriorní rozdělení na parametry, přirozeně kvantifikuje nejistotu a zároveň využívá neoznačená data ke zlepšení generalizace.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/cs/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.
- Bayesian Active LearningStrojové učení↔ compare
- Bayesian Gaussian Mixture ModelStrojové učení↔ compare
- Učení s malým počtem příkladůStrojové učení↔ compare
- Gaussovský procesStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →