Machine learningMachine learning
준지도 학습 투표 앙상블
준지도 학습 투표 앙상블은 소규모 레이블 데이터셋으로 여러 분류기를 훈련시킨 후, 분류기들이 동의하는 예제를 반복적으로 활용하여 레이블이 없는 데이터를 탐색하고, 훈련 풀을 확장하여 모든 분류기가 테스트 예제에 대해 공동으로 투표할 때까지 진행합니다. 이는 준지도 학습의 레이블 효율성과 다수결 투표 앙상블의 분산 감소를 결합하여, 주석 작업 비용이 많이 들 때 유용합니다.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-voting-ensemble
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.
- 부스팅머신러닝↔ compare
- 자기 지도 학습머신러닝↔ compare
- 준지도 학습 배깅머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- Voting Ensemble머신러닝↔ compare