K-plus proches voisins semi-supervisés
Le KNN semi-supervisé étend l'algorithme classique des K-plus proches voisins pour exploiter de grands ensembles de données non étiquetées en complément d'un petit ensemble étiqueté. En construisant un graphe KNN sur toutes les observations et en propageant les étiquettes connues à travers les arêtes du graphe, la méthode infère les étiquettes des points non étiquetés sans nécessiter une annotation manuelle coûteuse de chaque échantillon.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. 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 K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-k-nearest-neighbors
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Propagation d'étiquettesApprentissage automatique↔ comparer
- Processus Gaussien semi-superviséApprentissage automatique↔ comparer
- Apprentissage semi-superviséApprentissage automatique↔ comparer
- Machine à vecteurs de support semi-superviséeApprentissage automatique↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →