Polu-nadgledana šumska stabla
Polu-nadgledana šumska stabla (SSL-RF) proširuju klasična šumska stabla iskorištavanjem i označenih i neoznačenih primjera za obuku. Kada je označavanje podataka skupo ili dugotrajno, SSL-RF dodjeljuje privremene pseudo-oznake neoznačenim promatranjima putem samog stabla, zatim ponovno trenira na obogaćenom skupu podataka, progresivno poboljšavajući točnost bez potrebe za dodatnom ljudskom anotacijom.
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
- Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE. DOI: 10.1109/ICCV.2009.5459198 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Computer Sciences Technical Report 1530, University of Wisconsin-Madison. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-random-forest
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.
- Povećanje gradijentaStrojno učenje↔ compare
- Propagacija oznakaStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →