Semi-supervised Boosting
Semi-supervised Boosting er et ensemblelærings-paradigme som utvider klassiske boosting-algoritmer – som AdaBoost – til å utnytte både merket og umerket data. Ved å propagere merket informasjon gjennom en likhetsstruktur over umerkede instanser, trener den sterkere klassifikatorer enn ren veiledet boosting alene når merket data er knappe.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/no/machine-learning/semi-supervised-boosting
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.
- AdaBoostMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →