Полуавтоматическое дерево решений
Полуавтоматическое дерево решений расширяет стандартные методы построения деревьев решений — такие как CART или C4.5 — для использования неразмеченных наблюдений наряду с размеченным обучающим набором. Путем итеративного присвоения предварительных меток неразмеченным данным и их включения в процесс роста или разделения дерева, алгоритм может достичь лучшей точности, чем полностью контролируемое дерево, обученное только на размеченном подмножестве, что особенно ценно, когда разметка является дорогостоящей или трудоемкой.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Распространение метокМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →