Semi-supervised Stacking Ensemble
Semi-supervised Stacking Ensemble breidt het klassieke stacked generalization framework uit naar situaties waarin slechts een fractie van de trainingsvoorbeelden gelabeld is. Basisleraren worden eerst getraind op gelabelde data, en vervolgens gebruikt om pseudo-labels toe te kennen aan ongelabelde voorbeelden; de uitgebreide dataset traint sterkere basismodellen, waarvan de out-of-fold voorspellingen de input vormen voor een meta-leerder, wat resulteert in een ensemble met twee niveaus dat zowel gelabelde als ongelabelde structuur benut.
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
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Chapelle, O., Schölkopf, 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 Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/nl/machine-learning/semi-supervised-stacking-ensemble
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.
- Bagging EnsembleEnsemble learning↔ compare
- Gradient BoostingMachine learning↔ compare
- Label PropagationMachine learning↔ compare
- Random ForestMachine learning↔ compare
- StackingMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →