Aprendizado Bayesiano Semi-supervisionado
Aprendizado bayesiano semi-supervisionado é um arcabouço probabilístico que utiliza tanto um pequeno conjunto de dados rotulados quanto um conjunto maior de observações não rotuladas para inferir parâmetros do modelo e fazer previsões. Ao tratar rótulos ausentes como variáveis latentes e ao impor distribuições a priori sobre os parâmetros, ele quantifica naturalmente a incerteza enquanto aproveita dados não rotulados para melhorar a generalização.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/pt/machine-learning/bayesian-semi-supervised-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.
- Aprendizagem Ativa BayesianaAprendizado de máquina↔ compare
- Modelo de Mistura Gaussiana BayesianaAprendizado de máquina↔ compare
- Aprendizado com Poucos ExemplosAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →