Arbore de decizie semi-supervizat
Un arbore de decizie semi-supervizat extinde inducția standard a arborilor de decizie — cum ar fi CART sau C4.5 — pentru a exploata observații nelabelizate alături de setul de antrenament etichetat. Prin atribuirea iterativă a etichetelor provizorii datelor nelabelizate și încorporarea lor în procesul de creștere sau divizare, algoritmul poate obține o acuratețe mai bună decât un arbore complet supervizat antrenat doar pe subsetul etichetat, ceea ce este deosebit de valoros atunci când etichetarea este costisitoare sau consumatoare de timp.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/ro/machine-learning/semi-supervised-decision-tree
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.
- Arbore de decizieÎnvățare automată↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Propagarea etichetelorÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →