Poluvodeni Gaussov model smjese
Poluvodeni Gaussov model smjese (SS-GMM) generativni je probabilistički klasifikator koji prilagođava Gaussovu smjesu na označene i neoznačene podatke koristeći algoritam očekivanja-maksimalizacije. Označene točke ograničavaju dodjelu komponenti, dok neoznačene točke poboljšavaju procjene gustoće, omogućujući učinkovito učenje kada su oznake oskudne.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-gaussian-mixture-model
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Propagacija oznakaStrojno učenje↔ usporedi
- Polunadzorirano učenjeStrojno učenje↔ usporedi
- Varijacijski autoenkoderDuboko učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →