Semi-supervised LightGBM
Semi-supervised LightGBM apvieno LightGBM ļoti efektīvo gradientu pastiprināšanas sistēmu ar puspārraudzības stratēģijām — visbiežāk pseidopazīmju piešķiršanu (pseudo-labeling) vai pašmācību (self-training) — lai izmantotu lielu daudzumu nenosauktas (unlabeled) datu kopā ar mazāku nosauktu (labeled) datu kopu, uzlabojot prognozēšanas veiktspēju, ja pazīmju iegūšana ir dārga vai laikietilpīga.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/lv/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.
- LightGBMMašīnmācīšanās↔ compare
- Puspašvadāmā gradientu pastiprināšanaMašīnmācīšanās↔ compare
- Daļēji uzraudzīts Random ForestMašīnmācīšanās↔ compare
- Daļēji uzraudzīts XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →