Machine learningMachine learning
준지도 가우시안 혼합 모형
준지도 가우시안 혼합 모형(SS-GMM)은 기댓값-최대화(Expectation-Maximization) 알고리즘을 사용하여 레이블이 지정된 데이터와 레이블이 지정되지 않은 데이터를 모두 혼합하여 가우시안 분포를 맞추는 생성 확률론적 분류기입니다. 레이블이 지정된 점들은 구성 요소 할당을 제약하는 반면, 레이블이 지정되지 않은 점들은 밀도 추정을 개선하여 주석이 부족할 때 효과적인 학습을 가능하게 합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-gaussian-mixture-model
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 →