Machine learning
레이블 전파
레이블 전파는 2002년 Zhu와 Ghahramani가 소개한 그래프 기반 준지도 학습 알고리즘으로, 소수의 레이블이 지정된 노드에서 대규모의 레이블이 지정되지 않은 노드로 클래스 레이블을 확산시킵니다. 이는 유사도 그래프의 엣지를 따라 레이블 정보를 반복적으로 확산시켜 데이터의 다양체 구조를 활용합니다.
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.
+17 more
출처
- Zhu, X., & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. link ↗
- 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-2003), pp. 912–919. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
이 페이지 인용 방법
ScholarGate. (2026, June 3). Label Propagation (Graph-Based Semi-Supervised Learning). ScholarGate. https://scholargate.app/ko/machine-learning/label-propagation
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 →이 방법을 참조하는 항목
온라인 준지도 학습정규화된 준지도 학습자기 지도 능동 학습자가 지도 결정 트리자기 지도 랜덤 포레스트자기 지도 학습 지원 벡터 머신준지도 능동 학습 (Semi-supervised Active Learning, SSAL)준지도 연관 규칙준지도 학습 배깅준지도 학습 부스팅준지도 학습 결정 트리준지도 Doc2Vec준지도 가우시안 혼합 모형준지도 학습 그래프 신경망준지도 K-최근접 이웃 (Semi-supervised K-Nearest Neighbors)준지도 선형 회귀 (Semi-supervised Linear Regression)준지도 학습 로지스틱 회귀준지도 온라인 학습준지도학습 랜덤 포레스트준지도 학습 스태킹 앙상블준지도 학습 서포트 벡터 머신준지도 전이 학습준지도 학습 XGBoost약한 지도 학습 그래프 신경망