XGBoost z półnadzorem
XGBoost z półnadzorem rozszerza ramy metody gradient boosting (XGBoost) na zastosowania, w których tylko ułamek przykładów treningowych posiada etykiety. Poprzez iteracyjne generowanie pseudoetykiet dla danych nieetykietowanych i ponowne trenowanie na rozszerzonym zbiorze, metoda wydobywa sygnał z nieetykietowanych obserwacji, poprawiając generalizację, gdy etykiet 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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 Extreme Gradient Boosting. ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-xgboost
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.
- Gradient BoostingUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- XGBoostUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →