Machine learningMachine learning
半教師ありナイーブベイズ
半教師ありナイーブベイズは、少数のラベル付きデータセットと大量のラベルなしデータセットを共に活用するために、古典的なナイーブベイズ生成モデルを拡張したものである。期待値最大化（Expectation-Maximization; EM）アルゴリズムを用いることで、ラベルなしデータに対するソフトなクラス割り当てを反復的に推定し、クラスおよび特徴のパラメータを再推定することで、ラベル付きデータが少ない場合に分類器の性能を大幅に向上させる。
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
- 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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ja/machine-learning/semi-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.
Compare side by side →