Puolivalvottu satunnaismetsä
Puolivalvottu satunnaismetsä (SSL-RF) laajentaa klassista satunnaismetsää hyödyntämällä sekä merkittyjä että merkitsemättömiä harjoitusesimerkkejä. Kun merkintädata on kallista tai aikaavievää, SSL-RF antaa epävarmoja pseudomerkintöjä merkitsemättömille havainnoille metsän itsensä kautta, minkä jälkeen se uudelleenkoulutetaan rikastetulla aineistolla, parantaen asteittain tarkkuutta ilman lisäihmisannotaatiota.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/fi/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.
- Gradient BoostingKoneoppiminen↔ compare
- Label PropagationKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →