सेमी-सुपरवाइज्ड बैगिंग
सेमी-सुपरवाइज्ड बैगिंग (Semi-supervised Bagging) क्लासिकल बैगिंग एनसेंबल (bagging ensemble) का विस्तार उन सेटिंग्स के लिए करता है जहाँ लेबल किए गए प्रशिक्षण उदाहरण दुर्लभ होते हैं, लेकिन बड़ी मात्रा में बिना लेबल वाला डेटा उपलब्ध होता है। लेबल किए गए डेटा पर प्रशिक्षित बेस लर्नर (base learners) बिना लेबल वाले उदाहरणों को स्यूडो-लेबल (pseudo-labels) असाइन करते हैं; फिर विस्तारित डेटासेट का उपयोग एक विविध एनसेंबल को विकसित करने के लिए किया जाता है जिसका एकत्रित वोट (aggregated vote) केवल सीमित लेबल वाले सेट पर प्रशिक्षित किसी भी एकल मॉडल की तुलना में अधिक सटीक और अधिक स्थिर होता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/hi/machine-learning/semi-supervised-bagging
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.
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लेबल प्रोपेगेशनमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare