جنگل تصادفی نیمهنظارتشده
جنگل تصادفی نیمهنظارتشده (SSL-RF) با بهرهگیری از هر دو نمونه آموزشی برچسبدار و بدون برچسب، جنگل تصادفی کلاسیک را گسترش میدهد. هنگامی که برچسبگذاری دادهها پرهزینه یا زمانبر است، SSL-RF از طریق خود جنگل، شبهبرچسبهای موقتی را به مشاهدات بدون برچسب اختصاص میدهد، سپس بر روی مجموعه داده غنیشده مجدداً آموزش میبیند و به تدریج دقت را بدون نیاز به حاشیهنویسی انسانی اضافی بهبود میبخشد.
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
- Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE. DOI: 10.1109/ICCV.2009.5459198 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Computer Sciences Technical Report 1530, University of Wisconsin-Madison. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-random-forest
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.
- 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 →