Machine learningMachine learning
XGBoost חצי-מפוקח
XGBoost חצי-מפוקח מרחיב את מסגרת ה-XGBoost של הגברת גרדיאנט (gradient boosting) למצבים שבהם רק לחלק מדוגמאות האימון יש תוויות. על ידי יצירת תוויות מדומות (pseudo-labels) באופן איטרטיבי עבור נתונים לא מתויגים ואימון מחדש על הקבוצה המורחבת, השיטה מחלצת אותות מתצפיות לא מתויגות, ומשפרת את ההכללה כאשר נתונים מתויגים נדירים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-xgboost
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.
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- אלגוריתם התפשטות התוויות (Label Propagation)למידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- XGBoostלמידת מכונה↔ compare