Semi-supervised Voting Ensemble
En semi-veiledt stemmeensemble trener flere klassifikatorer på et lite merket datasett, og utnytter deretter umerkede data iterativt ved å la klassifikatorene merke eksempler de er enige om, og utvider treningsmengden til alle klassifikatorer stemmer samlet på testeksempler. Det kombinerer merkeeffektiviteten til semi-veiledt læring med variansreduksjonen til majoritetsstemmeensembler, noe som gjør det verdifullt når annotering er kostbart.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/no/machine-learning/semi-supervised-voting-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.
- BoostingMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semi-supervised BaggingMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →