Semi-supervised Naive Bayes
Semi-supervised Naive Bayes breidt het klassieke generatieve Naive Bayes-model uit om grote hoeveelheden ongelabelde data te benutten naast een kleine set gelabelde data. Door middel van Expectation-Maximization worden iteratief zachte klasse-toewijzingen voor ongelabelde voorbeelden afgeleid en klasse- en kenmerkparameters opnieuw geschat, wat resulteert in aanzienlijk betere classificatoren wanneer gelabelde voorbeelden schaars zijn.
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
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/nl/machine-learning/semi-supervised-naive-bayes
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.
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Naïeve BayesMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Semi-supervised Support Vector MachineMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →