Metodes pierādījumu reģistrs

Semi-supervised Learning

Semi-supervised learning (SSL) is a machine learning paradigm that trains models using a small set of labeled examples together with a much larger pool of unlabeled data. By leveraging the structure inherent in unlabeled data, SSL achieves accuracy closer to fully supervised models while requiring far fewer costly manual labels — making it practical when labeling is expensive, slow, or resource-constrained.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Semi-supervised Learning (Combined Labeled and Unlabeled Data Training)

Taksonomiskās metodes reģistrs · ml-model / machine-learning

Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. · ISBN 978-0-262-03358-9
Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, University of Wisconsin-Madison. · URL

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyActive Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFew-shot Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSelf-supervised Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSemi-supervised Random Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTransfer Learningmachine-suggested · Relational suggestion, not evidence.