Poolitud LightGBM
Poolitatud LightGBM ühendab LightGBM-i väga tõhusa gradienttugevdusraamistiku poolitatud strateegiatega – kõige sagedamini pseudo-märgistamine või enesetreening – et kasutada suuri hulkades märgistamata andmeid koos väiksema märgistatud komplektiga, parandades ennustavat jõudlust, kui märgiste hankimine on kulukas või aeganõudev.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-lightgbm
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.
- LightGBMMasinõpe↔ compare
- Poolitatud gradiendivõimendamineMasinõpe↔ compare
- Poolitatud juhuslik metsMasinõpe↔ compare
- Poolitud XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →