מודל Naive Bayes בלתי מפוקח עצמית
מודל Naive Bayes בלתי מפוקח עצמית (Self-supervised Naive Bayes) מרחיב את מסווג Naive Bayes הקלאסי כדי לנצל מאגרי נתונים גדולים שאינם מתויגים, על ידי הקצאה איטרטיבית של תוויות-לכאורה רכות (soft pseudo-labels) באמצעות לולאת ציפייה-מקסום (Expectation-Maximization). הגישה, שהודגמה במקור לסיווג טקסט על ידי Nigam et al. (2000), יכולה לשפר משמעותית את הדיוק כאשר דוגמאות מתויגות מעטות אך נתונים לא מתויגים מצויים בשפע.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/he/machine-learning/self-supervised-naive-bayes
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.
- בייס נאיבילמידת מכונה↔ compare
- למידה בפיקוח עצמילמידת מכונה↔ compare
- רגרסיה לוגיסטית בלמידה מונחית-עצמיתלמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- נאיבי בייס מונחה-למחצהלמידת מכונה↔ compare