Félfelügyelt Stacking Ensemble
A félfelügyelt Stacking Ensemble kiterjeszti a klasszikus stacked generalization keretrendszert olyan esetekre, ahol a betanító példák csak egy töredéke rendelkezik címkével. Az alapmodelleket először a címkézett adatokon tanítják be, majd ezeket használják pszeudo-címkék hozzárendelésére a címkézetlen példákhoz; a kibővített adathalmaz erősebb alapmodelleket tanít be, amelyeknek a foldon kívüli előrejelzései képezik a meta-tanuló bemenetét, így egy kétszintű ensemble jön létre, amely mind a címkézett, mind a címkézetlen struktúrát kihasználja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Chapelle, O., Schölkopf, 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 Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/hu/machine-learning/semi-supervised-stacking-ensemble
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.
- Bagging EnsembleEgyüttes tanulás↔ compare
- Gradient BoostingGépi tanulás↔ compare
- CímkepropagációGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- HalmozásGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →