Polo-supervizované skládání (Semi-supervised Stacking Ensemble)
Polo-supervizované skládání rozšiřuje klasický rámec skládané generalizace na nastavení, kde pouze zlomek trénovacích příkladů nese popisky. Základní učící modely jsou nejprve trénovány na označených datech, poté jsou použity k přiřazení pseudo-popisků neoznačeným příkladům; rozšířená datová sada trénuje silnější základní modely, jejichž predikce mimo složky tvoří vstup pro meta-učící model, což vede k dvouúrovňovému ansámblu, který využívá jak označenou, tak neoznačenou strukturu.
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
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Chapelle, O., Schölkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/cs/machine-learning/semi-supervised-stacking-ensemble
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.
- Bagging EnsembleAnsámblové učení↔ compare
- Gradient BoostingStrojové učení↔ compare
- Propagace popiskůStrojové učení↔ compare
- Random ForestStrojové učení↔ compare
- StackingStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →