XGBoost semi-supervisionato
XGBoost semi-supervisionato estende il framework di gradient boosting XGBoost a contesti in cui solo una frazione degli esempi di addestramento possiede etichette. Generando iterativamente pseudo-etichette per i dati non etichettati e riaddestrando sul set ampliato, il metodo estrae segnale dalle osservazioni non etichettate, migliorando la generalizzazione 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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-xgboost
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.
- Gradient BoostingApprendimento automatico↔ compare
- Label PropagationApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →