Machine learningMachine learning

Ημι-εποπτευόμενος Naive Bayes

Ο ημι-εποπτευόμενος Naive Bayes (Semi-supervised Naive Bayes) επεκτείνει το κλασικό παραγωγικό μοντέλο Naive Bayes για να αξιοποιήσει μεγάλες δεξαμενές μη επισημασμένων δεδομένων παράλληλα με ένα μικρό επισημασμένο σύνολο. Χρησιμοποιώντας τη μέθοδο Αναμενόμενης-Μέγιστης (Expectation-Maximization - EM), επαναληπτικά συμπεραίνει «μαλακές» αναθέσεις κλάσεων για μη επισημασμένα παραδείγματα και επανεκτιμά τις παραμέτρους κλάσεων και χαρακτηριστικών, αποδίδοντας σημαντικά καλύτερους ταξινομητές όταν τα επισημασμένα παραδείγματα είναι σπάνια.

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. 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
  2. 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateSemi-supervised Naive Bayes (Semi-supervised Naive Bayes (EM-augmented Generative Classifier)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/semi-supervised-naive-bayes · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026