خود-نظارتیِ بِیِزِ ساده (Self-supervised Naive Bayes)
خود-نظارتیِ بِیِزِ ساده، طبقهبند کلاسیک بِیِزِ ساده را با بهرهبرداری از مجموعههای بزرگ دادههای بدون برچسب، از طریق تخصیص تکراریِ برچسبهای کاذبِ نرم (soft pseudo-labels) در یک حلقهٔ اِکستِرموم-ماکسیموم (Expectation-Maximization)، بسط میدهد. این رویکرد که در ابتدا برای طبقهبندی متن توسط Nigam et al. (2000) به نمایش درآمد، میتواند دقت را به طور قابل توجهی بهبود بخشد، زمانی که نمونههای برچسبدار کمیاب هستند اما دادههای بدون برچسب فراوانند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/fa/machine-learning/self-supervised-naive-bayes
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.
- بییز ساده (Naive Bayes)یادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- رگرسیون لجستیک خودنظارتییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- نِیو بِیز نیمهنظارتشدهیادگیری ماشین↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →