Semi-supervised Stacking Ensemble
Semi-supervised Stacking Ensemble utvider det klassiske rammeverket for stablet generalisering til situasjoner der bare en brøkdel av treningsdataene har etiketter. Basemodeller trenes først på merkede data, deretter brukes de til å tildele pseudolabels til umerkede eksempler; det utvidede datasettet trener sterkere basemodeller hvis prediksjoner utenfor folden danner input til en metalærer, noe som gir en to-nivå ensemble som utnytter både merkede og umerkede strukturer.
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
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/no/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 EnsembleEnsemblelæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StackingMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →