Ημι-εποπτευόμενο Δάσος Τυχαίων Δέντρων
Το Ημι-εποπτευόμενο Δάσος Τυχαίων Δέντρων (SSL-RF) επεκτείνει το κλασικό Δάσος Τυχαίων Δέντρων αξιοποιώντας τόσο επισημασμένα όσο και μη επισημασμένα παραδείγματα εκπαίδευσης. Όταν η επισήμανση δεδομένων είναι δαπανηρή ή χρονοβόρα, το SSL-RF αναθέτει προσωρινές ψευδο-ετικέτες σε μη επισημασμένες παρατηρήσεις μέσω του ίδιου του δάσους, και στη συνέχεια επανεκπαιδεύεται στο εμπλουτισμένο σύνολο δεδομένων, βελτιώνοντας προοδευτικά την ακρίβεια χωρίς να απαιτείται πρόσθετη ανθρώπινη επισήμανση.
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
- Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE. DOI: 10.1109/ICCV.2009.5459198 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Computer Sciences Technical Report 1530, University of Wisconsin-Madison. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-random-forest
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.
- Ενίσχυση Κλίσης (Gradient Boosting)Μηχανική Μάθηση↔ compare
- Διάδοση ΕτικετώνΜηχανική Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →