Machine learningMachine learning
半教師ありガウス混合モデル
半教師ありガウス混合モデル（SS-GMM）は、期待値最大化（EM）アルゴリズムを用いて、ラベル付きデータとラベルなしデータの両方にガウス混合を適合させる生成確率的分類器である。ラベル付きデータ点は成分割り当てを制約し、ラベルなしデータ点は密度推定を改善することで、アノテーションが少ない場合に効果的な学習を可能にする。
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
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-gaussian-mixture-model
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 →