Apprendimento Bayesiano Semi-Supervisionato
L'apprendimento bayesiano semi-supervisionato è un quadro probabilistico che utilizza sia un piccolo set di dati etichettato sia un pool più ampio di osservazioni non etichettate per inferire i parametri del modello ed effettuare previsioni. Trattando le etichette mancanti come variabili latenti e ponendo prior sui parametri, quantifica naturalmente l'incertezza sfruttando i dati non etichettati per migliorare la generalizzazione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/it/machine-learning/bayesian-semi-supervised-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.
- Apprendimento Attivo BayesianoApprendimento automatico↔ compare
- Modello Bayesiano a Mischia di GaussianeApprendimento automatico↔ compare
- Few-shot LearningApprendimento automatico↔ compare
- Processo GaussianoApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →