Machine learningMachine learning

אנסמבל ערימה חצי-מפוקח

אנסמבל ערימה חצי-מפוקח מרחיב את מסגרת ההכללה המוערמת הקלאסית למצבים שבהם רק חלק מהדוגמאות לאימון נושאות תוויות. לומדי בסיס מאומנים תחילה על נתונים מתויגים, ואז משמשים להקצאת תוויות-מדומה לדוגמאות לא מתויגות; מערך הנתונים המורחב מאמן מודלים בסיסיים חזקים יותר שחיזויים מחוץ-לקיפול (out-of-fold) מהווים קלט ללומד-על (meta-learner), ומניבים אנסמבל דו-שכבתי המנצל מבנים מתויגים ולא מתויגים כאחד.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

מקורות

  1. Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1
  2. Chapelle, O., Schölkopf, 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 Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-stacking-ensemble

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.

Compare side by side

מאוזכר על ידי

ScholarGateSemi-supervised Stacking Ensemble (Semi-supervised Stacking Ensemble (Self-trained Stacked Generalization)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/semi-supervised-stacking-ensemble · מערך נתונים: https://doi.org/10.5281/zenodo.20539026