XGBoost نیمهنظارتشده
XGBoost نیمهنظارتشده چارچوب تقویت گرادیان XGBoost را به تنظیماتی گسترش میدهد که در آن تنها کسری از نمونههای آموزشی دارای برچسب هستند. این روش با تولید تکراری برچسبهای شبه برای دادههای بدون برچسب و بازآموزی بر روی مجموعه گسترشیافته، سیگنال را از مشاهدات بدون برچسب استخراج کرده و تعمیمپذیری را در زمانی که دادههای برچسبدار کمیاب هستند، 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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/fa/machine-learning/semi-supervised-xgboost
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
- XGBoostیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →