مجموعه رأیگیری نیمهنظارتشده
یک مجموعه رأیگیری نیمهنظارتشده، چندین طبقهبند را بر روی مجموعهای کوچک از دادههای برچسبدار آموزش میدهد، سپس به طور تکراری دادههای بدون برچسب را با وادار کردن طبقهبندها به برچسبگذاری مثالهایی که بر سر آنها توافق دارند، بهرهبرداری میکند و استخر آموزش را تا زمانی که همه طبقهبندها به طور مشترک بر روی مثالهای آزمایشی رأی دهند، گسترش میدهد. این روش، کارایی برچسبگذاری یادگیری نیمهنظارتشده را با کاهش واریانس مجموعههای رأی اکثریت ترکیب میکند و زمانی که حاشیهنویسی پرهزینه است، ارزشمند میشود.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-voting-ensemble
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.
- بوستینگیادگیری ماشین↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- بگینگ نیمهنظارتشدهیادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- مجموعه رأیگیرییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →