נאיבי בייס מונחה-למחצה
נאיבי בייס מונחה-למחצה (Semi-supervised Naive Bayes) מרחיב את מודל ההתהוות הקלאסי של נאיבי בייס כדי לנצל מאגרים גדולים של נתונים לא מתויגים לצד קבוצה קטנה של נתונים מתויגים. באמצעות אלגוריתם ציפייה-מקסימיזציה (Expectation-Maximization, EM), הוא מסיק באופן איטרטיבי השמות רכות (soft assignments) לקבוצות עבור דוגמאות לא מתויגות ומוערך מחדש פרמטרים של קבוצות ותכונות, וכך מניב מסווגים מדויקים יותר באופן משמעותי כאשר דוגמאות מתויגות נדירות.
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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/he/machine-learning/semi-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.
- רגרסיה לוגיסטיתסטטיסטיקה למחקר↔ compare
- בייס נאיבילמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- מכונת וקטורים תומכים (SVM) חצי-מפוקחתלמידת מכונה↔ compare