Boost par apprentissage semi-supervisé
Le boost par apprentissage semi-supervisé est un paradigme d'apprentissage d'ensemble qui étend les algorithmes de boosting classiques — tels qu'AdaBoost — pour exploiter à la fois les données étiquetées et non étiquetées. En propageant l'information d'étiquette à travers une structure de similarité sur les instances non étiquetées, il entraîne des classifieurs plus robustes que le boosting supervisé seul lorsque les données étiquetées sont rares.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-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.
- AdaBoostApprentissage automatique↔ compare
- Gradient BoostingApprentissage automatique↔ compare
- Propagation d'étiquettesApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
- XGBoostApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →