Półnadzorowane uczenie online
Półnadzorowane uczenie online łączy przyrostowy styl aktualizacji uczenia online ze zdolnością do wykorzystania nieetykietowanych przykładów, umożliwiając modelom ciągłe doskonalenie się na podstawie strumienia danych, w którym tylko niewielka część napływających instancji zawiera etykiety prawdy podstawowej. Jest to szczególnie cenne, gdy etykietowanie jest kosztowne lub opóźnione, ale dane napływają w czasie rzeczywistym.
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
- Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2008), Lecture Notes in Computer Science, 5211, 393–407. Springer. link ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-3
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Online Learning (Incremental Learning with Partially Labeled Streams). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-online-learning
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.
- Aktywna naukaUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Uczenie onlineUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →