Poolitud XGBoost
Poolitatud XGBoost laiendab XGBoost gradient boosting raamistikku olukordadesse, kus ainult murdosa treeningnäidetest sisaldab silte. Iteratiivselt pseudo-siltide genereerimise abil märgistamata andmete jaoks ja uuesti treenides laiendatud komplektil, eraldab meetod signaali märgistamata vaatlustest, parandades üldistamist, kui sildistatud 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
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/et/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 BoostingMasinõpe↔ compare
- Siltide levitamineMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →