Machine learningMachine learning
半教師ありLightGBM
半教師ありLightGBMは、LightGBMの非常に効率的な勾配ブースティングフレームワークと半教師あり戦略（最も一般的なのは疑似ラベリングまたは自己学習）を組み合わせ、少量のラベル付きデータセットとともに大量のラベルなしデータを活用し、ラベルの取得にコストがかかる、または時間がかかる場合に予測性能を向上させます。
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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-lightgbm
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.
- LightGBM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