Poloučený hlasovací ansámbl
Polovlastní hlasovací ansámbl trénuje více klasifikátorů na malé označené množině, poté iterativně využívá neoznačená data tím, že klasifikátory označují příklady, na kterých se shodují, čímž rozšiřuje tréninkový fond, dokud všichni klasifikátoři společně nehlasují o testovacích příkladech. Kombinuje efektivitu označování polovlastního učení s redukcí rozptylu ansámblů s většinovým hlasováním, což jej činí cenným, když je anotace nákladná.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/cs/machine-learning/semi-supervised-voting-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.
- ZesilováníStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semi-supervised BaggingStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Hlasovací ansámblStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →