Puolivalvottu gradienttitehostus
Puolivalvottu gradienttitehostus yhdistää gradienttitehostetut puut itsekoulutukseen tai pseudoleimaamiseen hyödyntääkseen suuria määriä merkitsemätöntä dataa pienen merkityn joukon rinnalla. Alustava GBM-sovitus merkityllä datalla antaa luotettavia ennusteita merkitsemättömille esimerkeille; nämä pseudoleimatut pisteet lisätään takaisin koulutukseen ja mallia tehostetaan uudelleen, iteroiden konvergenssiin asti. Tämä antaa käytännön toimijoille mahdollisuuden hyödyntää halpaa merkitsemätöntä dataa, kun leimat ovat harvinaisia tai kalliita.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/fi/machine-learning/semi-supervised-gradient-boosting
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.
- BoostingKoneoppiminen↔ compare
- Gradient BoostingKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Puolivalvottu satunnaismetsäKoneoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →