Online semi-superviseret læring
Online semi-superviseret læring kombinerer den inkrementelle, enkelt-pass-karakter af online læring med evnen til at udnytte uannoterede data sammen med sparsomme annoterede observationer. Den er designet til situationer, hvor data ankommer som en strøm, og det er dyrt eller upraktisk at opnå annoteringer for hver instans – såsom realtidsklassifikation af webindhold, sensoraflæsninger eller opslag på sociale medier.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Semi-supervised Learning (Stream-based Learning with Partial Labels). ScholarGate. https://scholargate.app/da/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.
- Aktiv læringMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →