Machine learningMachine learning
준지도학습 LightGBM
준지도학습 LightGBM은 LightGBM의 매우 효율적인 그래디언트 부스팅 프레임워크를 준지도학습 전략(가장 흔하게는 유사 레이블링 또는 자기 학습)과 결합하여, 레이블 획득이 비용이 많이 들거나 시간이 많이 걸리는 경우 예측 성능을 향상시키기 위해 소규모 레이블 데이터셋과 함께 대규모의 레이블 없는 데이터 풀을 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.
출처
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-lightgbm
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.
- LightGBM머신러닝↔ compare
- 준지도 학습 그래디언트 부스팅머신러닝↔ compare
- 준지도학습 랜덤 포레스트머신러닝↔ compare
- 준지도 학습 XGBoost머신러닝↔ compare