Bayesiaans semi-supervised leren
Bayesiaans semi-supervised leren is een probabilistisch raamwerk dat zowel een kleine gelabelde dataset als een grotere verzameling ongelabelde waarnemingen gebruikt om modelparameters af te leiden en voorspellingen te doen. Door ontbrekende labels als latente variabelen te behandelen en priors over parameters te plaatsen, kwantificeert het op natuurlijke wijze onzekerheid, terwijl het ongelabelde data benut om de generalisatie te verbeteren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/nl/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.
- Bayesiaans Actief LerenMachine learning↔ compare
- Bayesiaans Gaussisch Mixture ModelMachine learning↔ compare
- Few-shot LearningMachine learning↔ compare
- Gaussiaans ProcesMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- TransferlerenMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →