Naive Bayes Semi-Supervisionato
Il Naive Bayes Semi-Supervisionato estende il modello generativo classico Naive Bayes per sfruttare ampi pool di dati non etichettati accanto a un piccolo set etichettato. Utilizzando l'Expectation-Maximization, inferisce iterativamente assegnazioni di classe soft per esempi non etichettati e ri-stima i parametri di classe e di feature, producendo classificatori sostanzialmente migliori quando gli esempi 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
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-naive-bayes
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.
- Regressione LogisticaStatistica per la ricerca↔ compare
- Naive BayesApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Support Vector Machine Semi-Supervised (S3VM)Apprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →