Polu-nadgledano pojačavanje (Semi-supervised Boosting)
Polu-nadgledano pojačavanje je paradigma učenja skupa koja proširuje klasične algoritme pojačavanja — poput AdaBoost — kako bi iskoristila i označene i neoznačene podatke. Propagirajući informacije o oznakama kroz strukturu sličnosti nad neoznačenim instancama, trenira snažnije klasifikatore nego samo nadgledano pojačavanje kada su označeni podaci oskudni.
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
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-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.
- AdaBoostStrojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Propagacija oznakaStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →