Machine learningMachine learning

Ημι-επιβλεπόμενη Συσκευασία (Semi-supervised Bagging)

Η Ημι-επιβλεπόμενη Συσκευασία επεκτείνει την κλασική συσκευασία συνόλων (ensemble) σε περιπτώσεις όπου τα επισημασμένα εκπαιδευτικά παραδείγματα είναι σπάνια, αλλά διατίθεται μεγάλη ποσότητα μη επισημασμένων δεδομένων. Οι βασικοί εκπαιδευτές (base learners) που εκπαιδεύονται σε επισημασμένα δεδομένα αποδίδουν ψευδο-ετικέτες σε μη επισημασμένα παραδείγματα· το διευρυμένο σύνολο δεδομένων χρησιμοποιείται στη συνέχεια για την ανάπτυξη ενός ποικιλόμορφου συνόλου, του οποίου η συγκεντρωτική ψήφος είναι πιο ακριβής και πιο σταθερή από οποιοδήποτε μεμονωμένο μοντέλο εκπαιδευμένο μόνο στο περιορισμένο επισημασμένο σύνολο.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link
  2. Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-bagging

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.

Compare side by side

Αναφέρεται από

ScholarGateSemi-supervised Bagging (Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/semi-supervised-bagging · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026