Pembelajaran Bayesian Separuh Selia
Pembelajaran Bayesian separuh selia ialah rangka kerja probabilistik yang menggunakan kedua-dua set data berlabel yang kecil dan kumpulan pemerhatian tidak berlabel yang lebih besar untuk menyimpulkan parameter model dan membuat ramalan. Dengan menganggap label yang hilang sebagai pembolehubah laten dan meletakkan prior ke atas parameter, ia secara semula jadi mengukur ketidakpastian sambil memanfaatkan data tidak berlabel untuk meningkatkan generalisasi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/ms/machine-learning/bayesian-semi-supervised-learning
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.
- Pembelajaran Aktif BayesianPembelajaran Mesin↔ compare
- Model Campuran Gaussian BayesianPembelajaran Mesin↔ compare
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →