अर्ध-पर्यवेक्षित ग्रेडिएंट बूस्टिंग
अर्ध-पर्यवेक्षित ग्रेडिएंट बूस्टिंग, ग्रेडिएंट बूस्टेड ट्रीज़ को सेल्फ-ट्रेनिंग या स्यूडो-लेबलिंग के साथ जोड़ता है ताकि बड़ी मात्रा में अनलेबल्ड डेटा का उपयोग छोटे लेबल्ड सेट के साथ किया जा सके। लेबल्ड डेटा पर फिट किया गया एक प्रारंभिक GBM, अनलेबल्ड उदाहरणों को विश्वसनीय भविष्यवाणियाँ प्रदान करता है; उन स्यूडो-लेबल्ड बिंदुओं को प्रशिक्षण में वापस शामिल किया जाता है और मॉडल को फिर से बूस्ट किया जाता है, जब तक अभिसरण न हो जाए तब तक यह प्रक्रिया दोहराई जाती है। यह अभ्यासकर्ताओं को सस्ते अनलेबल्ड डेटा का उपयोग करने की अनुमति देता है जब लेबल दुर्लभ या महंगे होते हैं।
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
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/hi/machine-learning/semi-supervised-gradient-boosting
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.
- बूस्टिंगमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- स्व-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित शिक्षणमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare