Machine learningMachine learning
半教師あり CatBoost
Semi-supervised CatBoostは、訓練インスタンスのごく一部のみにラベルが付与されている設定にCatBoostの順序付き勾配ブースティングフレームワークを適用し、ラベルなしデータを疑似ラベリングや一貫性ベースの戦略を通じて活用することで、ラベル付きデータのみでは達成できないモデル精度を向上させます。
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
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. In Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- 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). Semi-supervised CatBoost (Gradient Boosting with Partially Labeled Data). ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-catboost
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.
- CatBoost機械学習↔ compare
- 勾配ブースティング機械学習↔ compare
- 半教師あり勾配ブースティング機械学習↔ compare
- 半教師ありランダムフォレスト機械学習↔ compare
- Semi-supervised XGBoost機械学習↔ compare