Polunadzorirani Naive Bayes
Polunadzorirani Naive Bayes proširuje klasični generativni model Naive Bayes kako bi iskoristio velike skupove neoznačenih podataka uz mali označeni skup. Koristeći metodu očekivanja-maksimalizacije (Expectation-Maximization, EM), iterativno zaključuje meke dodjele razreda za neoznačene primjere i ponovno procjenjuje parametre razreda i značajki, dajući znatno bolje klasifikatore kada su označeni primjeri rijetki.
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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/hr/machine-learning/semi-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.
- Logistička regresijaIstraživačka statistika↔ compare
- Naive BayesStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Polu-nadgledani stroj s potpornim vektorimaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →