Samonadzirani Naive Bayes
Samonadzirani Naive Bayes proširuje klasični Naive Bayes klasifikator kako bi iskoristio velike skupove neoznačenih podataka iterativnim dodjeljivanjem mekih pseudo-oznaka putem petlje Očekivanje-Maksimalizacija (Expectation-Maximization). Prvobitno demonstriran za klasifikaciju teksta od strane Nigama i sur. (2000), pristup može značajno poboljšati točnost kada su označeni primjeri oskudni, ali neoznačeni podaci obiluju.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/hr/machine-learning/self-supervised-naive-bayes
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.
- Naive BayesStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Logistička regresija sa samonadzoromStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Polunadzorirani Naive BayesStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →