K-Nearest Neighbors Semi-Terawasi
KNN Semi-Terawasi memperluas algoritma K-nearest neighbors klasik untuk memanfaatkan kumpulan data besar yang tidak berlabel bersama dengan sejumlah kecil data berlabel. Dengan membangun graf KNN di atas semua observasi dan menyebarkan label yang diketahui melalui sisi-sisi graf, metode ini menyimpulkan label untuk titik-titik yang tidak berlabel tanpa memerlukan anotasi manual yang mahal untuk setiap sampel.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. link ↗
- Chapelle, O., Scholkopf, B. & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/id/machine-learning/semi-supervised-k-nearest-neighbors
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Propagasi LabelPembelajaran Mesin↔ bandingkan
- Gaussian Process Semi-TerawasiPembelajaran Mesin↔ bandingkan
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ bandingkan
- Support Vector Machine Semi-TerawasiPembelajaran Mesin↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →