CatBoost semi-supervisé
Le CatBoost semi-supervisé applique le cadre de gradient boosting ordonné de CatBoost à des contextes où seule une fraction des instances d'entraînement sont étiquetées, exploitant les données non étiquetées par le biais de pseudo-étiquetage ou de stratégies basées sur la cohérence pour améliorer la précision du modèle au-delà de ce que les données étiquetées seules permettraient.
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
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. In Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised CatBoost (Gradient Boosting with Partially Labeled Data). ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-catboost
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.
- CatBoostApprentissage automatique↔ compare
- Gradient BoostingApprentissage automatique↔ compare
- Gradient Boosting Semi-superviséApprentissage automatique↔ compare
- Forêt aléatoire semi-superviséeApprentissage automatique↔ compare
- XGBoost semi-superviséApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →