Apprendimento Online Semi-Supervisionato
L'Apprendimento Online Semi-Supervisionato combina lo stile di aggiornamento incrementale dell'apprendimento online con la capacità di sfruttare esempi non etichettati, consentendo ai modelli di migliorare continuamente da un flusso di dati in cui solo una piccola frazione delle istanze in arrivo reca etichette di verità. È particolarmente prezioso quando l'etichettatura è costosa o ritardata, ma i dati arrivano in tempo reale.
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
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Online Learning (Incremental Learning with Partially Labeled Streams). ScholarGate. https://scholargate.app/it/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.
- Active LearningApprendimento automatico↔ compare
- Label PropagationApprendimento automatico↔ compare
- Apprendimento OnlineApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →