Semi-superviseret Naive Bayes
Semi-superviseret Naive Bayes udvider den klassiske generative Naive Bayes-model til at udnytte store mængder uannoterede data sammen med et lille annoteret datasæt. Ved hjælp af Expectation-Maximization udleder den iterativt bløde klassetildelinger for uannoterede eksempler og genestimerer klasse- og featureparametre, hvilket giver væsentligt bedre klassifikatorer, når annoterede eksempler er sparsomme.
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
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/da/machine-learning/semi-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.
- Logistisk regressionForskningsstatistik↔ compare
- Naive BayesMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- Semi-supervised Support Vector MachineMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →