Drzewo decyzyjne z uczeniem częściowo nadzorowanym
Drzewo decyzyjne z uczeniem częściowo nadzorowanym rozszerza standardową indukcję drzew decyzyjnych — taką jak CART czy C4.5 — o wykorzystanie nieetykietowanych obserwacji obok etykietowanego zbioru treningowego. Poprzez iteracyjne przypisywanie tymczasowych etykiet do nieetykietowanych danych i włączanie ich do procesu budowy lub podziału drzewa, algorytm może osiągnąć lepszą dokładność niż w pełni nadzorowane drzewo wytrenowane wyłącznie na etykietowanym podzbiorze, co jest szczególnie cenne, gdy etykietowanie jest kosztowne lub czasochłonne.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-decision-tree
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.
- Drzewo decyzyjneUczenie maszynowe↔ compare
- Gradient BoostingUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →