LightGBM semi-supervisé
LightGBM semi-supervisé combine le cadre de gradient boosting hautement efficace de LightGBM avec des stratégies semi-supervisées — le plus souvent le pseudo-étiquetage ou l'auto-apprentissage — pour exploiter de grands ensembles de données non étiquetées aux côtés d'un plus petit ensemble étiqueté, améliorant les performances prédictives lorsque l'obtention d'étiquettes est coûteuse ou longue.
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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/fr/machine-learning/semi-supervised-lightgbm
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.
- LightGBMApprentissage automatique↔ compare
- Gradient Boosting Semi-superviséApprentissage automatique↔ compare
- Forêt aléatoire semi-superviséeApprentissage automatique↔ compare
- XGBoost semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →