Votación en conjunto semisupervisada
Una votación en conjunto semisupervisada entrena múltiples clasificadores con un pequeño conjunto etiquetado y luego explota iterativamente datos no etiquetados haciendo que los clasificadores etiqueten ejemplos en los que coinciden, expandiendo el conjunto de entrenamiento hasta que todos los clasificadores votan conjuntamente sobre ejemplos de prueba. Combina la eficiencia de etiquetado del aprendizaje semisupervisado con la reducción de varianza de los conjuntos de votación mayoritaria, lo que lo hace valioso cuando la anotación es costosa.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/es/machine-learning/semi-supervised-voting-ensemble
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.
- PotenciaciónAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- Bagging Semi-supervisadoAprendizaje automático↔ compare
- Aprendizaje semisupervisadoAprendizaje automático↔ compare
- Ensamble de votaciónAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →