Machine learningMachine learning

준지도 K-최근접 이웃 (Semi-supervised K-Nearest Neighbors)

준지도 KNN은 고전적인 K-최근접 이웃 알고리즘을 확장하여, 소량의 레이블이 지정된 데이터와 함께 대량의 레이블이 지정되지 않은 데이터를 활용합니다. 모든 관측치에 대해 KNN 그래프를 구축하고 그래프의 엣지를 통해 알려진 레이블을 전파함으로써, 이 방법은 모든 샘플에 대한 값비싼 수동 주석 없이도 레이블이 지정되지 않은 지점의 레이블을 추론합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

준지도 K-최근접 이웃 (Semi-supervised K-Nearest Neighbors)

레이블 전파 준지도 가우시안 프로세스 준지도 학습 준지도 학습 서포트 벡터 머신 능동 학습 K-최근접 이웃 온라인 K-최근접 이웃 자기 지도식 K-최근접 이웃

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 ↗
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). Semi-supervised K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-k-nearest-neighbors

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

능동 학습 K-최근접 이웃 온라인 K-최근접 이웃 자기 지도식 K-최근접 이웃

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →