Półnadzorowany CatBoost
Półnadzorowany CatBoost stosuje ramy porządkowanego wzmacniania gradientowego CatBoost do ustawień, w których tylko ułamek instancji treningowych zawiera etykiety, wykorzystując nieetykietowane dane za pomocą strategii pseudoetykietowania lub opartych na spójności, aby poprawić dokładność modelu ponad to, co pozwoliłyby same etykietowane dane.
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
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. In Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- 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). Semi-supervised CatBoost (Gradient Boosting with Partially Labeled Data). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-catboost
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.
- CatBoostUczenie maszynowe↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Półnadzorowany gradient boostingUczenie maszynowe↔ compare
- Półnadzorowany las losowyUczenie maszynowe↔ compare
- XGBoost z półnadzoremUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →