Wzmocnienie półnadzorowane
Wzmocnienie półnadzorowane (ang. Semi-supervised Boosting) to paradygmat uczenia zespołowego, który rozszerza klasyczne algorytmy wzmacniania — takie jak AdaBoost — o wykorzystanie zarówno danych oznakowanych, jak i nieoznakowanych. Poprzez propagację informacji o etykietach w strukturze podobieństwa na nieoznakowanych instancjach, trenuje on silniejsze klasyfikatory niż samo wzmocnienie nadzorowane, gdy oznakowanych danych jest mało.
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
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-boosting
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.
- AdaBoostUczenie maszynowe↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →