Η ημι-επιβλεπόμενη μέθοδος K-πλησιέστερων γειτόνων (Semi-supervised K-Nearest Neighbors)
Η ημι-επιβλεπόμενη KNN επεκτείνει τον κλασικό αλγόριθμο K-πλησιέστερων γειτόνων για να αξιοποιήσει μεγάλες δεξαμενές μη επισημασμένων δεδομένων παράλληλα με ένα μικρό επισημασμένο σύνολο. Κατασκευάζοντας ένα γράφο KNN πάνω σε όλες τις παρατηρήσεις και διαδίδοντας γνωστές ετικέτες μέσω των ακμών του γράφου, η μέθοδος συμπεραίνει ετικέτες για μη επισημασμένα σημεία χωρίς να απαιτείται δαπανηρή χειροκίνητη επισήμανση κάθε δείγματος.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. 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 K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-k-nearest-neighbors
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Διάδοση ΕτικετώνΜηχανική Μάθηση↔ σύγκριση
- Επιβλεπόμενη διαδικασία Gaussian (Semi-supervised Gaussian Process)Μηχανική Μάθηση↔ σύγκριση
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ σύγκριση
- Ημι-εποπτευόμενη Μηχανή Υποστήριξης ΔιανυσμάτωνΜηχανική Μάθηση↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →