Poolitult järelevalvega Naive Bayes
Poolitult järelevalvega Naive Bayes laiendab klassikalist generatiivset Naive Bayes mudelit, et kasutada ära suuri hulki märgistamata andmeid koos väikese märgistatud komplektiga. Ootuste-maksimeerimise meetodi abil järeldab see iteratiivselt pehmeid klassimääratlusi märgistamata näidete jaoks ja re-hinnastab klassi- ja tunnuseparameetreid, andes oluliselt paremaid klassifikaatoreid, kui märgistatud näited on napid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-naive-bayes
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Logistiline regressioonUurimisstatistika↔ võrdle
- Bayesi naiivne klassifikaatorMasinõpe↔ võrdle
- Poolitatud järelevalvega õppimineMasinõpe↔ võrdle
- Poolitatud masinõppe tugivektor (Semi-supervised Support Vector Machine)Masinõpe↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →