Полуавтоматический бэггинг
Полуавтоматический бэггинг расширяет классический ансамбль бэггинга на случаи, когда размеченных обучающих примеров мало, но имеется большое количество неразмеченных данных. Базовые модели, обученные на размеченных данных, присваивают псевдо-метки неразмеченным примерам; расширенный набор данных затем используется для построения разнообразного ансамбля, совокупный голос которого более точен и стабилен, чем у любой отдельной модели, обученной только на ограниченном размеченном наборе.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-bagging
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.
- Градиентный бустингМашинное обучение↔ compare
- Распространение метокМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →