Învățare semi-supervizată prin ansambluri
Învățarea semi-supervizată prin ansambluri combină mai mulți clasificatori de bază cu paradigma semi-supervizată, valorificând atât un set mic de date etichetate, cât și un grup mare de date neetichetate. Permițând clasificatorilor diverși să se învețe reciproc prin pseudo-etichetare sau co-antrenament, ansamblul îmbunătățește generalizarea mult dincolo de ceea ce ar putea realiza singură oricare dintre abordări cu etichete limitate.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 1998), pp. 92–100. ACM. DOI: 10.1145/279943.279962 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Ensemble Semi-supervised Learning (Combining Ensemble Methods with Semi-supervised Paradigms). ScholarGate. https://scholargate.app/ro/machine-learning/ensemble-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.
- Bagging (Agregare Bootstrap)Învățare automată↔ compare
- BoostingÎnvățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
- Ansamblul de votareÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →