Pusuzraudzības Gausa maisījuma modelis
Pusuzraudzības Gausa maisījuma modelis (SS-GMM) ir ģeneratīvs probabiālistisks klasifikators, kas pielāgo Gausa maisījumu gan marķētiem, gan nemarķētiem datiem, izmantojot Ekspektācijas-Maksimizācijas algoritmu. Marķētie punkti ierobežo komponentu piešķiršanu, savukārt nemarķētie punkti uzlabo blīvuma novērtējumus, nodrošinot efektīvu mācīšanos, kad anotācijas ir maz.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/lv/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.
- Iezīmju izplatīšanaMašīnmācīšanās↔ compare
- Daudzpusīgā apguveMašīnmācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →