Semi-supervised Gradient Boosting

Semi-supervised gradient boosting kombinerer gradient boosted trees med selvtrening eller pseudo-merking for å utnytte store mengder umerkede data sammen med et lite sett med merkede data. En innledende GBM-tilpasning på merkede data tildeler sikre prediksjoner til umerkede eksempler; disse pseudo-merkede punktene foldes tilbake inn i treningen, og modellen blir re-boostet, og itererer til konvergens. Dette gjør at praktikere kan utnytte billige, umerkede data når merker er knappe eller dyre.