Machine learningMachine learning
준지도 학습 배깅
준지도 학습 배깅(Semi-supervised Bagging)은 레이블된 훈련 예시가 부족하지만 대량의 레이블되지 않은 데이터를 사용할 수 있는 환경으로 고전적인 배깅 앙상블을 확장합니다. 레이블된 데이터로 훈련된 기본 학습기는 레이블되지 않은 예시에 의사 레이블(pseudo-labels)을 할당합니다. 그런 다음 확장된 데이터셋을 사용하여 다양한 앙상블을 성장시키고, 이 앙상블의 집계된 투표는 제한된 레이블된 세트만으로 훈련된 단일 모델보다 더 정확하고 안정적입니다.
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
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-bagging
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 →