Полуавтоматическое бустирование (Semi-supervised Boosting)
Полуавтоматическое бустирование — это парадигма ансамблевого обучения, которая расширяет классические алгоритмы бустинга, такие как AdaBoost, для использования как размеченных, так и неразмеченных данных. Распространяя информацию о метках через структуру подобия на неразмеченные экземпляры, оно обучает более сильные классификаторы, чем чистое полуавтоматическое бустирование, когда размеченных данных мало.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-boosting
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.
- AdaBoostМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Распространение метокМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →