Félfelügyelt XGBoost
A félfelügyelt XGBoost kiterjeszti az XGBoost gradiens kiugrási keretrendszert olyan helyzetekre, ahol a tanítási példányoknak csak egy töredéke hordoz címkéket. A címkézetlen adatokra vonatkozó pszeudocímkék iteratív generálásával és a bővített halmazon történő újratanítással a módszer jelet von ki a címkézetlen megfigyelésekből, javítva az általánosítást, amikor a címkézett adatok szűkösek.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/hu/machine-learning/semi-supervised-xgboost
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
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →