Poolitult järelevalvega võimendamine
Poolitult järelevalvega võimendamine on ensemble õppimise paradigma, mis laiendab klassikalisi võimendamisalgoritme — nagu AdaBoost — kasutamaks ära nii märgistatud kui ka märgistamata andmeid. Levitades märgistusteavet sarnasusstruktuuri kaudu märgistamata juhtumite üle, treenib see tugevamaid klassifitseerijaid kui ainult järelevalvega võimendamine, kui märgistatud andmeid on vähe.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-boosting
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.
- AdaBoostMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Siltide levitamineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →