Machine learningMachine learning
베이즈 준지도 학습
베이즈 준지도 학습은 적은 수의 레이블된 데이터셋과 더 많은 수의 레이블되지 않은 관측치를 모두 사용하여 모델 파라미터를 추론하고 예측을 수행하는 확률론적 프레임워크입니다. 누락된 레이블을 잠재 변수로 취급하고 파라미터에 사전 분포를 부여함으로써, 레이블되지 않은 데이터를 활용하여 일반화 성능을 향상시키면서 불확실성을 자연스럽게 정량화합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/ko/machine-learning/bayesian-semi-supervised-learning
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.
- 베이즈 능동 학습머신러닝↔ compare
- 베이즈 가우시안 혼합 모델머신러닝↔ compare
- 퓨샷 학습머신러닝↔ compare
- 가우시안 프로세스머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- 전이 학습머신러닝↔ compare