Bayesowskie uczenie częściowo nadzorowane
Bayesowskie uczenie częściowo nadzorowane to probabilistyczna struktura, która wykorzystuje zarówno mały zbiór danych oznakowanych, jak i większą pulę obserwacji nieoznakowanych do wnioskowania o parametrach modelu i dokonywania predykcji. Traktując brakujące etykiety jako zmienne ukryte i nakładając rozkłady a priori na parametry, w naturalny sposób kwantyfikuje niepewność, jednocześnie wykorzystując dane nieoznakowane do poprawy generalizacji.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/pl/machine-learning/bayesian-semi-supervised-learning
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.
- Bayesowskie aktywne uczenie sięUczenie maszynowe↔ compare
- Bayesowski model mieszaniny rozkładów GaussaUczenie maszynowe↔ compare
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ compare
- Proces GaussaUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →