Félfelügyelt Bagging
A félfelügyelt Bagging (Semi-supervised Bagging) a klasszikus bagging ensemble-t olyan helyzetekre terjeszti ki, ahol a címkézett tanító példányok ritkák, de nagy mennyiségű címkézetlen adat áll rendelkezésre. A címkézett adatokon tanított alap tanulók álcímkéket (pseudo-labels) rendelnek a címkézetlen példányokhoz; a kibővített adathalmazt ezután egy változatos ensemble növesztésére használják, amelynek összesített szavazata pontosabb és stabilabb, mint bármelyik, csak a korlátozott címkézett készleten tanított modellé.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/hu/machine-learning/semi-supervised-bagging
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.
- Gradient BoostingGépi tanulás↔ compare
- CímkepropagációGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →