Ημι-εποπτευόμενο XGBoost
Το ημι-εποπτευόμενο XGBoost επεκτείνει το πλαίσιο ενίσχυσης κλίσης (gradient boosting) XGBoost σε περιπτώσεις όπου μόνο ένα κλάσμα των παραδειγμάτων εκπαίδευσης φέρει ετικέτες. Με τη διαδοχική δημιουργία ψευδο-ετικετών για μη επισημασμένα δεδομένα και την επανεκπαίδευση στο διευρυμένο σύνολο, η μέθοδος εξάγει σήμα από μη επισημασμένες παρατηρήσεις, βελτιώνοντας τη γενίκευση όταν τα επισημασμένα δεδομένα είναι σπάνια.
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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/el/machine-learning/semi-supervised-xgboost
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
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →