Online semi-supervidované učení
Online semi-supervidované učení kombinuje inkrementální, jednoprůchodovou povahu online učení se schopností využívat neoznačená data spolu se sporadickými označenými pozorováními. Je navrženo pro situace, kdy data přicházejí jako proud a získání štítků pro každou instanci je nákladné nebo nepraktické – například klasifikace webového obsahu v reálném čase, senzorová data nebo příspěvky na sociálních médiích.
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
- Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases (ECML PKDD), pp. 393–407. Springer. link ↗
- Semi-supervised learning. Wikipedia. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Online Semi-supervised Learning (Stream-based Learning with Partial Labels). ScholarGate. https://scholargate.app/cs/machine-learning/online-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.
- Aktivní učeníStrojové učení↔ compare
- Propagace popiskůStrojové učení↔ compare
- Online LearningStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →