Samoučící se Naive Bayes
Samoučící se Naive Bayes rozšiřuje klasický klasifikátor Naive Bayes tak, aby využíval velké množství neoznačených dat iterativním přiřazováním měkkých pseudo-označení prostřednictvím cyklu Expectation-Maximization. Původně demonstrován pro klasifikaci textu Nigamem et al. (2000), tento přístup může podstatně zlepšit přesnost, když jsou označené příklady vzácné, ale neoznačená data jsou hojná.
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
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/cs/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 BayesStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Logistická regrese se samoučenímStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Semisupervizovaný Naive BayesStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →