Poolitatud gradiendivõimendamine
Poolitatud gradiendivõimendamine ühendab gradiendivõimendatud puud enesetreeningu või pseudomärgistamisega, et kasutada ära suuri märgistamata andmehulkasid koos väikese märgistatud andmehulgaga. Esialgne GBM-mudel, mis on kohandatud märgistatud andmetele, määrab usaldusväärsed ennustused märgistamata näidetele; need pseudomärgistatud punktid lisatakse treeningandmetesse ja mudelit võimendatakse uuesti, korrates protsessi kuni koonduvuseni. See võimaldab praktikutel kasutada odavaid märgistamata andmeid, kui märgised on haruldased või kallid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-gradient-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.
- BoostingMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- Poolitatud juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →