Machine learningMachine learning
アンサンブル半教師あり学習
アンサンブル半教師あり学習は、複数のベース学習器を半教師あり学習の枠組みと組み合わせ、少数のラベル付きデータと多数のラベルなしデータを活用する。多様な分類器が疑似ラベリングや共同学習を通じて互いに教え合うことで、アンサンブルは限定的なラベルのみではいずれのアプローチも単独で達成できる範囲をはるかに超える汎化性能を向上させる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 1998), pp. 92–100. ACM. DOI: 10.1145/279943.279962 ↗
このページの引用方法
ScholarGate. (2026, June 3). Ensemble Semi-supervised Learning (Combining Ensemble Methods with Semi-supervised Paradigms). ScholarGate. https://scholargate.app/ja/machine-learning/ensemble-semi-supervised-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.
- バギング（ブートストラップ集約）機械学習↔ compare
- ブースティング機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 転移学習機械学習↔ compare
- 投票アンサンブル機械学習↔ compare