अर्ध-पर्यवेक्षित लाइटजीबीएम
सेमी-सुपरवाइज्ड लाइटजीबीएम लाइटजीबीएम के अत्यधिक कुशल ग्रेडिएंट बूस्टिंग फ्रेमवर्क को सेमी-सुपरवाइज्ड रणनीतियों - सबसे आम तौर पर स्यूडो-लेबलिंग (pseudo-labeling) या सेल्फ-ट्रेनिंग (self-training) - के साथ जोड़ता है, ताकि लेबल प्राप्त करने में महंगा या समय लेने वाला होने पर भविष्य कहनेवाला प्रदर्शन में सुधार करते हुए, छोटे लेबल वाले सेट के साथ बड़े पैमाने पर बिना लेबल वाले डेटा के पूल का फायदा उठाया जा सके।
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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/hi/machine-learning/semi-supervised-lightgbm
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.
- लाइटजीबीएममशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- अर्ध-पर्यवेक्षित XGBoostमशीन अधिगम↔ compare