Bagging półnadzorowany
Bagging półnadzorowany rozszerza klasyczny zespół baggingowy na ustawienia, w których oznakowane przykłady treningowe są rzadkie, ale dostępna jest duża ilość nieoznakowanych danych. Uczące się modele bazowe trenowane na oznakowanych danych przypisują pseudo-etykiety nieoznakowanym przykładom; rozszerzony zbiór danych jest następnie wykorzystywany do budowy zróżnicowanego zespołu, którego zagregowany głos jest dokładniejszy i stabilniejszy niż jakikolwiek pojedynczy model wytrenowany wyłącznie na ograniczonym zbiorze oznakowanych danych.
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
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-bagging
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.
- Gradient BoostingUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →