Naive Bayes Semi-supervisionado
Naive Bayes Semi-supervisionado estende o modelo generativo clássico Naive Bayes para explorar grandes conjuntos de dados não rotulados juntamente com um pequeno conjunto rotulado. Usando Expectation-Maximization, ele infere iterativamente atribuições de classe suaves para exemplos não rotulados e reestima os parâmetros de classe e de características, produzindo classificadores substancialmente melhores quando os exemplos rotulados são escassos.
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
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/pt/machine-learning/semi-supervised-naive-bayes
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.
- Regressão LogísticaEstatística para pesquisa↔ compare
- Naive BayesAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte Semi-supervisionadaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →