Machine learningMachine learning
半教師ありランダムフォレスト
半教師ありランダムフォレスト（SSL-RF）は、教師あり学習のランダムフォレストを拡張し、ラベル付きおよびラベルなしの両方の訓練事例を活用します。データにラベルを付ける作業が高価または時間のかかる場合、SSL-RFはフォレスト自体を通じてラベルなしの観測値に暫定的な擬似ラベルを割り当て、その後、その拡張されたデータセットで再訓練を行い、追加の人手によるアノテーションを必要とせずに精度を段階的に向上させます。
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
- Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE. DOI: 10.1109/ICCV.2009.5459198 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Computer Sciences Technical Report 1530, University of Wisconsin-Madison. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/ja/machine-learning/semi-supervised-random-forest
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 →