Polunadzirani XGBoost
Polunadzirani XGBoost proširuje okvir gradijentnog pojačavanja XGBoost na postavke gdje samo dio primjera za treniranje ima oznake. Iterativnim generiranjem pseudo-oznaka za neoznačene podatke i ponovnim treniranjem na proširenom skupu, metoda izvlači signal iz neoznačenih opažanja, poboljšavajući generalizaciju kada su označeni podaci 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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/hr/machine-learning/semi-supervised-xgboost
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
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →