XGBoost semi-supervisado
XGBoost semi-supervisado extiende el marco de *gradient boosting* de XGBoost a entornos donde solo una fracción de los ejemplos de entrenamiento portan etiquetas. Generando iterativamente pseudo-etiquetas para datos no etiquetados y reentrenando sobre el conjunto ampliado, el método extrae señal de observaciones no etiquetadas, mejorando la generalización cuando los datos etiquetados son escasos.
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
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/es/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.
- Gradient BoostingAprendizaje automático↔ compare
- Propagación de EtiquetasAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →