Conjunto de Votação Semissupervisionado
Um conjunto de votação semissupervisionado treina múltiplos classificadores em um pequeno conjunto rotulado e, em seguida, explora iterativamente dados não rotulados, fazendo com que os classificadores rotulem exemplos sobre os quais eles concordam, expandindo o pool de treinamento até que todos os classificadores votem em conjunto nos exemplos de teste. Ele combina a eficiência de rótulos da aprendizagem semissupervisionada com a redução de variância dos conjuntos de votação por maioria, tornando-o valioso quando a anotação é cara.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/pt/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.
- BoostingAprendizado de máquina↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Bagging Semi-supervisionadoAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Comitê de VotaçãoAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →