Machine learningMachine learning
自己教師ありナイーブベイズ
自己教師ありナイーブベイズは、古典的なナイーブベイズ分類器を拡張し、期待値最大化（EM）ループを通じて反復的にソフト疑似ラベルを割り当てることで、大量のラベルなしデータを活用します。元々はNigamら（2000）によってテキスト分類のために実証されたこのアプローチは、ラベル付きの例が少ないがラベルなしデータが豊富にある場合に、精度を大幅に向上させることができます。
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
- 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
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ja/machine-learning/self-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.
- ナイーブベイズ機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 自己教師ありロジスティック回帰機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 半教師ありナイーブベイズ機械学習↔ compare