Önfelügyelt Naiv Bayes
Az önfelügyelt Naiv Bayes (Self-supervised Naive Bayes) a klasszikus Naiv Bayes osztályozót terjeszti ki, hogy nagyszámú címkézetlen adatot használjon ki, iteratív módon, lágy ál-címkék hozzárendelésével egy Expectation-Maximization (EM) ciklus révén. Eredetileg szöveg osztályozásra demonstrálta Nigam et al. (2000), ez a megközelítés jelentősen javíthatja a pontosságot, ha a címkézett példányok ritkák, de a címkézetlen adatok bőségesek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/hu/machine-learning/self-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.
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Logisztikus regresszió önfelügyelt módbanGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt Naiv BayesGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →