Aprendizaje bayesiano semisupervisado
El aprendizaje bayesiano semisupervisado es un marco probabilístico que utiliza tanto un pequeño conjunto de datos etiquetados como un grupo más grande de observaciones no etiquetadas para inferir parámetros del modelo y realizar predicciones. Al tratar las etiquetas faltantes como variables latentes y colocar distribuciones a priori sobre los parámetros, cuantifica de forma natural la incertidumbre al tiempo que aprovecha los datos no etiquetados para mejorar la generalización.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/es/machine-learning/bayesian-semi-supervised-learning
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.
- Aprendizaje Activo BayesianoAprendizaje automático↔ compare
- Modelo Bayesiano de Mezclas GaussianasAprendizaje automático↔ compare
- Aprendizaje con Pocos EjemplosAprendizaje automático↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Aprendizaje por transferenciaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →