Félfelügyelt Naiv Bayes
A Félfelügyelt Naiv Bayes a klasszikus Naiv Bayes generatív modellt bővíti ki, hogy nagyszámú címkézetlen adatot használjon fel egy kis címkézett készlet mellett. Az Expectation-Maximization (EM) algoritmus segítségével iteratívan inferálja a puha osztályhozzárendeléseket a címkézetlen példányokra, és újra megbecsüli az osztály- és jellemzőparamétereket, ami lényegesen jobb osztályozókat eredményez, ha a címkézett példányok 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
- 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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/hu/machine-learning/semi-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.
- Logistic RegressionKutatási statisztika↔ compare
- Bayes-féle naiv klasszifikálóGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt Támogató Vektor GépGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →