Bayesiansk semi-veiledt læring
Bayesiansk semi-veiledt læring er et sannsynlighetsrammeverk som bruker både et lite merket datasett og en større samling umerkede observasjoner for å utlede modellparametre og gjøre prediksjoner. Ved å behandle manglende merkelapper som latente variabler og plassere prior-fordelinger over parametre, kvantifiserer den naturlig usikkerhet samtidig som den utnytter umerkede data for å forbedre generalisering.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/no/machine-learning/bayesian-semi-supervised-learning
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Bayesiansk aktiv læringMaskinlæring↔ sammenlign
- Bayesiansk Gaussisk BlandingsmodellMaskinlæring↔ sammenlign
- Få-skudds læringMaskinlæring↔ sammenlign
- Gaussisk prosessMaskinlæring↔ sammenlign
- Semiveiledet læringMaskinlæring↔ sammenlign
- OverføringslæringMaskinlæring↔ sammenlign
Referert av
Similar methods
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →