Semi-supervised Decision Tree

Et semi-supervised beslutningstre utvider standard beslutningstreinduksjon — slik som CART eller C4.5 — for å utnytte umerkede observasjoner sammen med det merkede treningssettet. Ved iterativt å tildele foreløpige merkelapper til umerkede data og inkorporere dem i vekst- eller splittprosessen, kan algoritmen oppnå bedre nøyaktighet enn et fullt overvåket tre trent kun på den merkede delmengden, noe som er spesielt verdifullt når merking er kostbart eller tidkrevende.