Semi-supervised Voting Ensemble
Un ensemble di voto semi-supervisionato addestra classificatori multipli su un piccolo set etichettato, quindi sfrutta iterativamente dati non etichettati facendo etichettare agli stessi classificatori gli esempi su cui concordano, espandendo il pool di addestramento finché tutti i classificatori non votano congiuntamente sugli esempi di test. Combina l'efficienza delle etichette dell'apprendimento semi-supervisionato con la riduzione della varianza degli ensemble a voto di maggioranza, rendendolo prezioso quando l'annotazione è costosa.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-voting-ensemble
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.
- BoostingApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Bagging Semi-SupervisionatoApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →