Η Ημι-επιβλεπόμενη Ενίσχυση Κλίσης (Semi-supervised Gradient Boosting)
Η ημι-επιβλεπόμενη ενίσχυση κλίσης συνδυάζει δέντρα ενίσχυσης κλίσης με αυτο-εκπαίδευση ή ψευδο-ετικετοποίηση (pseudo-labeling) για να αξιοποιήσει μεγάλες δεξαμενές μη επισημασμένων δεδομένων παράλληλα με ένα μικρό σύνολο επισημασμένων δεδομένων. Μια αρχική προσαρμογή GBM στα επισημασμένα δεδομένα αναθέτει προβλέψεις με βεβαιότητα σε μη επισημασμένα παραδείγματα· αυτά τα ψευδο-ετικετοποιημένα σημεία ενσωματώνονται ξανά στην εκπαίδευση και το μοντέλο ενισχύεται εκ νέου, επαναλαμβάνοντας μέχρι σύγκλισης. Αυτό επιτρέπει στους επαγγελματίες να αξιοποιήσουν φθηνά μη επισημασμένα δεδομένα όταν οι ετικέτες είναι σπάνιες ή ακριβές.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-gradient-boosting
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.
- ΕνίσχυσηΜηχανική Μάθηση↔ compare
- Ενίσχυση Κλίσης (Gradient Boosting)Μηχανική Μάθηση↔ compare
- Αυτο-εποπτευόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Ημι-εποπτευόμενο Δάσος Τυχαίων ΔέντρωνΜηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →