Pohon Keputusan Separuh Selia

Pohon Keputusan Separuh Selia (Semi-supervised Decision Tree) melanjutkan induksi pohon keputusan standard — seperti CART atau C4.5 — untuk memanfaatkan pemerhatian yang tidak berlabel bersama set latihan berlabel. Dengan memberikan label tentatif secara berulang kepada data tidak berlabel dan menggabungkannya ke dalam proses pertumbuhan atau pembahagian, algoritma ini boleh mencapai ketepatan yang lebih baik daripada pokok yang diselia sepenuhnya yang dilatih hanya pada subset berlabel, yang amat berharga apabila pelabelan adalah mahal atau memakan masa.