درخت تصمیم نیمهنظارتشده
درخت تصمیم نیمهنظارتشده، القای درخت تصمیم استاندارد - مانند CART یا C4.5 - را برای بهرهبرداری از مشاهدات بدون برچسب در کنار مجموعه آموزشی برچسبدار گسترش میدهد. با تخصیص تکراری برچسبهای موقت به دادههای بدون برچسب و گنجاندن آنها در فرآیند رشد یا تقسیم، الگوریتم میتواند به دقت بهتری نسبت به یک درخت کاملاً نظارتشده که تنها بر روی زیرمجموعه برچسبدار آموزش دیده است، دست یابد؛ این امر بهویژه زمانی ارزشمند است که برچسبگذاری پرهزینه یا زمانبر باشد.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-decision-tree
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.
- درخت تصمیمیادگیری ماشین↔ compare
- گرادیان بوستینگ (Gradient Boosting)یادگیری ماشین↔ compare
- انتشار برچسب (Label Propagation)یادگیری ماشین↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →