Puolivalvottu Naive Bayes
Puolivalvottu Naive Bayes laajentaa klassista Naive Bayes -generatiivista mallia hyödyntääkseen suuria määriä merkitsemätöntä dataa pienen merkityn joukon rinnalla. Odotus-maksimointi (Expectation-Maximization, EM) -menetelmällä se iteratiivisesti päättelee pehmeitä luokkamäärityksiä merkitsemättömille esimerkeille ja uudelleen estimoi luokka- ja piirreparametreja, tuottaen huomattavasti parempia luokittelijoita, kun merkittyjä esimerkkejä on vähän.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/fi/machine-learning/semi-supervised-naive-bayes
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.
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Naive BayesKoneoppiminen↔ compare
- Puoliohjattu oppiminenKoneoppiminen↔ compare
- Puolivalvottu tukivektorikoneKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →