Nadzirani ML
165 metoda u ovoj obitelji.
Izdvojeno
Aktivno učenjeActive learning is an iterative machine-learning paradigm in which a learning algorithm selectively queries an oracle — typically a human annotator — for labels on the most informaAktivno učenje s pojačanjemActive Learning Boosting combines the query-driven label acquisition of active learning with the weighted-ensemble logic of boosting algorithms such as AdaBoost. The model iterativAktivno učenje uz stablo odlučivanjaActive learning with a decision tree combines the interpretable structure of a CART-style tree with a query strategy that selects the most informative unlabeled instances for humanFederated aktivno učenjeFederated Active Learning combines the annotation-efficiency of active learning with the privacy-preserving decentralization of federated learning. A shared global model is trainedAktivno učenje Gaussovih smjesaActive Learning Gaussian Mixture Model combines an iterative query strategy with a Gaussian Mixture Model learner. The algorithm selects the most informative unlabeled points — typAktivno učenje s pojačanim gradijentomActive Learning Gradient Boosting combines the powerful predictive accuracy of gradient boosted trees with an active learning loop that selects the most informative unlabeled examp
Put čitanja
Najreferentnije temeljne metode ove teme, poredane redoslijedom njihova razvoja — polazište ako ste ovdje novi.
Sve metode 165
Aktivno učenjeAktivno učenje s pojačanjemAktivno učenje uz stablo odlučivanjaFederated aktivno učenjeAktivno učenje Gaussovih smjesaAktivno učenje s pojačanim gradijentomAktivno učenje K-najbližih susjedaAktivno učenje LightGBMAktivno učenje za linearnu regresijuAktivno učenje Jednoklasni SVMAktivno učenje sa samostalnim nadzorom učenjaAktivno učenje sa slaganjem (Stacking Ensemble)Aktivno učenje potpornih vektorskih strojevaGlasački ansambl aktivnog učenjaAdaBoostBoostingPojacavanje (Boosting)Agregacija Borda brojaCatBoostKolaborativno filtriranjeKonformalno predviđanjeStablo odlučivanjaDempster-Shaferova fuzijaRudarstvo emergentnih obrazacaEnsemble Active LearningMetoda stabla odluka sa sastavom (Ensemble Decision Tree)Ensemble Federated LearningUčenje na malom broju primjera s pojačanjem (Ensemble Few-Shot Learning)Ensemble Gaussian Mixture ModelEnsemble Gaussian ProcessGrupno pojačanje gradijentaAnsambl K-najbližih susjedaUčenje ansambla metrikeEnsemble Naive BayesEnsemble One-Class SVMEnsemble Online LearningAnsamblno samonadzirano učenjeUčenje uz polunadzor pomoću ansambalaEnsemble potporni strojni vektorEnsemble Transfer LearningExtra TreesUčenje s malo primjeraFP-Rast (Rast čestih obrazaca)Generalizirani aditivni model (GAM)Neovisna komponentna analiza (ICA)IsomapK-Najbližih SusjedaPropagacija oznakaLightGBMLinearna diskriminacijska analiza (LDA)Linearna regresija (ML)LOESS / LOWESS lokalna regresijaVećinsko glasovanjeVišestruke adaptivne regresijske "spline" funkcije (MARS)Dopunjavanje matricaUčenje metrikeVišeslojni perceptron (MLP)Naive BayesNMF (Nenegativna matrična faktorizacija)Online aktivno učenjeOnline BoostingOnline Decision TreeMrežno federirano učenjeOnline učenje s malim brojem primjera (Online Few-shot Learning)Online FP-growthOnline model Gaussovih smjesaOnline Gaussov procesOnline Gradient BoostingOnline K-Nearest NeighborsMrežno učenjeOnline LightGBMOnlinearno uklapanje (Online Linear Regression)Online učenje metrikeOnline Naive BayesOnline One-Class SVMOnline Random ForestOnline samonadzirano učenjeOnline polu-nadgledano učenjeOnline Support Vector MachineOnline prijenosno učenjeOnline Voting EnsembleDetekcija izvan distribucijeRegresija parcijalnih najmanjih kvadrata (PLS)Metode gradijenta politikeQ-učenjeKvadratna diskriminacijska analiza (QDA)Slučajna šumaRegresijske i izglađujuće splajneRegulirani pojačani algoritamRegularized CatBoostRegulirano stablo odlukeRegulirano federativno učenjeRegulirano učenje s malo primjeraRegulirani Gaussov procesRegularizirani gradijentni boostingRegulirani k-najbližih susjedaRegulirani Naivni BayesRegularizirano mrežno učenjeRegulirani slučajni šumRegulirano polunadzorirano učenjeRegulirani stroj vektora potporeRegularizirano prijenosno učenjeRobusno aktivno učenjeRobust BoostingRobusno stablo odlučivanjaRobusno federalno učenjeRobusni Gaussov mješoviti modelRobusni Gaussov procesRobusno učenje metrikeRobusni jednoklasni SVMRobusno online učenjeRobusna slučajna šumaRobustno slaganje (Robust Stacking Ensemble)Robusna podrška vektorskim strojevimaRobno glasanje (Robust Voting Ensemble)Indukcija pravila (RIPPER)Samonadzorirano aktivno učenjePojačanje samonadzoromSamoučenje pomoću stabala odlučivanjaSamonadzirano federirano učenjeSamo-nadgledano učenje s malo primjeraSamonadzorovani Gaussov procesSamonadzorirano pojačavanje gradijentaSamo-nadgledano K-najbližih susjedaSamonadzirano učenjeSamonadzorovani LightGBMSamonadzorirano učenje metrikeJednoklasni SVM potpomognut samoučenjemSamoučenje šumske metode nasumičnih stabalaSamonadzirani složeni ansambl (Self-supervised Stacking Ensemble)Samostalno nadzirani stroj s potpornim vektorimaSamonadzorirano prijenosno učenjePolunadzirano aktivno učenjePolu-nadgledano pojačavanje (Semi-supervised Boosting)Polu-nadgledani CatBoostPolu-nadgledano stablo odlukePolu-nadgledano federativno učenjePolu-nadgledano učenje s malo primjeraPolu-nadgledani FP-growthPoluvodeni Gaussov model smjesePolu-nadgledani Gaussov procesPolu-nadgledano pojačavanje gradijentaPolu-nadgledani K-najbližih susjedaPolunadzorirano učenjePolu-nadgledani LightGBMPolu-nadgledana linearna regresijaPolunadzorirano učenje metrikePolunadzorirani Naive BayesPolu-nadgledani jednoklasni SVMPolu-nadgledano online učenjePolu-nadgledana šumska stablaPolunadzorirani slagani ansamblPolu-nadgledani stroj s potpornim vektorimaPolu-nadgledano učenje prijenosomPolu-nadgledani glasački ansamblPolunadzirani XGBoostRudarenje sekvencijalnih uzorakaSložena generalizacijaSlaganjeStochastic Gradient Descent (SGD)Stroj potpornih vektora (klasifikacija)Regresija potpornih vektoraPrijenosno učenjeGlasački sklopXGBoost