Semi-supervised K-Nearest Neighbors
Semi-supervised KNN breidt het klassieke K-nearest neighbors-algoritme uit om grote hoeveelheden ongelabelde data te benutten naast een kleine gelabelde set. Door een KNN-graaf op te bouwen over alle observaties en bekende labels via de randen van de graaf te propageren, worden labels voor ongelabelde punten afgeleid zonder dat dure handmatige annotatie van elk monster nodig is.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. link ↗
- Chapelle, O., Scholkopf, B. & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/nl/machine-learning/semi-supervised-k-nearest-neighbors
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Label PropagationMachine learning↔ vergelijken
- Semi-supervised Gaussian ProcessMachine learning↔ vergelijken
- Semi-supervised LearningMachine learning↔ vergelijken
- Semi-supervised Support Vector MachineMachine learning↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →