CatBoost Semi-supervisionado
O CatBoost Semi-supervisionado aplica o framework de gradient boosting ordenado do CatBoost a cenários onde apenas uma fração das instâncias de treinamento carrega rótulos, aproveitando dados não rotulados através de pseudo-rotulagem ou estratégias baseadas em consistência para melhorar a acurácia do modelo além do que os dados rotulados sozinhos permitiriam.
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
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. In Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised CatBoost (Gradient Boosting with Partially Labeled Data). ScholarGate. https://scholargate.app/pt/machine-learning/semi-supervised-catboost
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.
- CatBoostAprendizado de máquina↔ compare
- Gradient BoostingAprendizado de máquina↔ compare
- Gradient Boosting Semi-supervisionadoAprendizado de máquina↔ compare
- Random Forest Semi-supervisionadoAprendizado de máquina↔ compare
- XGBoost Semi-supervisionadoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →