Ансамблевое полуавтоматическое обучение
Ансамблевое полуавтоматическое обучение (ensemble semi-supervised learning) объединяет несколько базовых моделей с парадигмой полуавтоматического обучения, используя как небольшой набор размеченных данных, так и большой массив неразмеченных данных. Позволяя различным классификаторам обучать друг друга посредством псевдо-разметки (pseudo-labeling) или совместного обучения (co-training), ансамбль значительно улучшает обобщающую способность по сравнению с тем, чего мог бы достичь любой из подходов в отдельности при ограниченном количестве меток.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Ensemble Semi-supervised Learning (Combining Ensemble Methods with Semi-supervised Paradigms). ScholarGate. https://scholargate.app/ru/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.
- Бэггинг (Бутстрэп-агрегирование)Машинное обучение↔ compare
- БустингМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
- Голосующая ансамблевая модельМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →