Pembelajaran Daring Semi-terawasi
Pembelajaran daring semi-terawasi menggabungkan gaya pembaruan inkremental dari pembelajaran daring dengan kemampuan untuk memanfaatkan contoh tak berlabel, memungkinkan model untuk terus meningkat dari aliran data di mana hanya sebagian kecil dari instans yang tiba membawa label kebenaran dasar. Ini sangat berharga ketika pelabelan mahal atau tertunda tetapi data tiba secara real-time.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2008), Lecture Notes in Computer Science, 5211, 393–407. Springer. link ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-3
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Online Learning (Incremental Learning with Partially Labeled Streams). ScholarGate. https://scholargate.app/id/machine-learning/semi-supervised-online-learning
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.
- Pembelajaran AktifPembelajaran Mesin↔ compare
- Propagasi LabelPembelajaran Mesin↔ compare
- Pembelajaran DaringPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →