Félfelügyelt Gauss-keverék modell
A Félfelügyelt Gauss-keverék modell (SS-GMM) egy generatív valószínűségi osztályozó, amely egy Gauss-keveréket illeszt címkézett és címkézetlen adatokhoz egyaránt a Várás-maximalizálási (Expectation-Maximization, EM) algoritmus segítségével. A címkézett pontok korlátozzák a komponens-hozzárendeléseket, míg a címkézetlen pontok javítják a denzitásbecsléseket, lehetővé téve a hatékony tanulást, ha az annotációk ritkák.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/hu/machine-learning/semi-supervised-gaussian-mixture-model
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.
- CímkepropagációGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →