Półnadzorowany Zespół Głosujący
Półnadzorowany zespół głosujący trenuje wiele klasyfikatorów na małym zbiorze danych z etykietami, a następnie iteracyjnie wykorzystuje dane bez etykiet, zlecając klasyfikatorom etykietowanie przykładów, co do których są zgodne, rozszerzając pulę treningową, aż wszystkie klasyfikatory wspólnie zagłosują na przykładach testowych. Łączy on efektywność etykietowania uczenia półnadzorowanego z redukcją wariancji zespołów głosujących większością, co czyni go wartościowym, gdy koszt adnotacji jest wysoki.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-voting-ensemble
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.
- WzmocnienieUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Bagging półnadzorowanyUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Ensemble głosującyUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →