Aprendizaje Online Semi-supervisado
El aprendizaje online semi-supervisado combina el estilo de actualización incremental del aprendizaje online con la capacidad de explotar ejemplos no etiquetados, permitiendo que los modelos mejoren continuamente a partir de un flujo de datos en el que solo una pequeña fracción de las instancias que llegan llevan etiquetas de verdad fundamental (ground-truth). Es especialmente valioso cuando el etiquetado es costoso o se retrasa, pero los datos llegan en tiempo real.
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
- Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2008), Lecture Notes in Computer Science, 5211, 393–407. Springer. link ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-3
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Online Learning (Incremental Learning with Partially Labeled Streams). ScholarGate. https://scholargate.app/es/machine-learning/semi-supervised-online-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 activoAprendizaje automático↔ compare
- Propagación de EtiquetasAprendizaje automático↔ compare
- Aprendizaje en líneaAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →