Polu-nadgledano pojačavanje gradijenta
Polu-nadgledano pojačavanje gradijenta kombinira stabla pojačana gradijentom sa samo-obukom ili pseudo-označavanjem kako bi se iskoristili veliki skupovi neoznačenih podataka uz mali skup označenih podataka. Početno prilagođavanje GBM-a na označenim podacima dodjeljuje samopouzdane predikcije neoznačenim primjerima; ti pseudo-označeni primjeri se vraćaju u obuku i model se ponovno pojačava, ponavljajući se do konvergencije. Ovo omogućuje praktičarima da iskoriste jeftine neoznačene podatke kada su oznake rijetke ili skupe.
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
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- 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). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-gradient-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.
- BoostingStrojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Polu-nadgledana šumska stablaStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →