Machine learningMachine learning
半教師あり決定木
半教師あり決定木は、CARTやC4.5などの標準的な決定木誘導を拡張し、ラベル付き訓練セットと並行してラベルなし観測を利用する。ラベルなしデータに暫定的なラベルを繰り返し割り当て、それを成長中または分割プロセスに組み込むことで、アルゴリズムはラベル付きサブセットのみで訓練された完全に教師ありの木よりも高い精度を達成できる。これは、ラベル付けが高価または時間のかかる場合に特に価値がある。
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-decision-tree
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.
Compare side by side →