Boosting Semi-Supervisionato
Il Boosting Semi-Supervisionato è un paradigma di apprendimento d'insieme (ensemble learning) che estende gli algoritmi di boosting classici — come AdaBoost — per sfruttare sia i dati etichettati che quelli non etichettati. Propagando le informazioni sulle etichette attraverso una struttura di similarità sulle istanze non etichettate, esso addestra classificatori più robusti rispetto al solo boosting supervisionato quando i dati etichettati sono scarsi.
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
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-boosting
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.
- [UNTRANSLATED: AdaBoost]Apprendimento automatico↔ compare
- Gradient BoostingApprendimento automatico↔ compare
- Label PropagationApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →