Samonadzorowany Naiwny Klasyfikator Bayes'a
Samonadzorowany Naiwny Klasyfikator Bayes'a (Self-supervised Naive Bayes) rozszerza klasyczny Naiwny Klasyfikator Bayes'a, wykorzystując duże zbiory danych nieetykietowanych poprzez iteracyjne przypisywanie miękkich etykiet pozornych za pomocą pętli Oczekiwanie-Maksymalizacja (Expectation-Maximization). Pierwotnie zademonstrowane dla klasyfikacji tekstu przez Nigam et al. (2000), podejście to może znacząco poprawić dokładność, gdy przykłady etykietowane są rzadkie, ale dane nieetykietowane są obfite.
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
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/pl/machine-learning/self-supervised-naive-bayes
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.
- Naiwny Klasyfikator BayesowskiUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Logistyczna regresja samo nadzorowanaUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Półnadzorowany naiwny klasyfikator BayesaUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →