یادگیری تقویتی نیمه‌نظارتی (Semi-supervised Boosting)

یادگیری تقویتی نیمه‌نظارتی یک پارادایم یادگیری گروهی (ensemble learning) است که الگوریتم‌های تقویتی کلاسیک — مانند AdaBoost — را گسترش می‌دهد تا از داده‌های برچسب‌دار و بدون برچسب بهره‌برداری کند. با انتشار اطلاعات برچسب از طریق ساختار شباهت بر روی نمونه‌های بدون برچسب، طبقه‌بندی‌کننده‌های قوی‌تری نسبت به تقویت نظارت‌شده به‌تنهایی، زمانی که داده‌های برچسب‌دار کمیاب هستند، آموزش می‌دهد.