Machine learningMachine learning
K-השכנים הקרובים למחצה-מפוקח
K-השכנים הקרובים למחצה-מפוקח (Semi-supervised KNN) מרחיב את אלגוריתם K-השכנים הקרובים הקלאסי כדי לנצל מאגרים גדולים של נתונים לא מתויגים לצד קבוצה קטנה של נתונים מתויגים. על ידי בניית גרף KNN על פני כל התצפיות והפצת תיוגים ידועים דרך קשרי הגרף, השיטה מסיקה תיוגים עבור נקודות לא מתויגות מבלי לדרוש תיוג ידני יקר של כל דגימה.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- 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
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-k-nearest-neighbors
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- אלגוריתם התפשטות התוויות (Label Propagation)למידת מכונה↔ השוואה
- גאוסית תהליך חצי-מפוקחלמידת מכונה↔ השוואה
- למידה מונחית-למחצהלמידת מכונה↔ השוואה
- מכונת וקטורים תומכים (SVM) חצי-מפוקחתלמידת מכונה↔ השוואה