Полуавтоматический градиентный бустинг
Полуавтоматический градиентный бустинг (Semi-supervised gradient boosting) объединяет градиентно-бустированные деревья с самообучением или псевдомаркировкой для использования больших объемов неразмеченных данных наряду с небольшим размеченным набором. Первоначальная подгонка GBM на размеченных данных присваивает уверенные предсказания неразмеченным примерам; эти псевдомаркированные точки включаются обратно в обучение, и модель переобучается с усилением (re-boosted), итеративно до сходимости. Это позволяет практикам использовать дешевые неразмеченные данные, когда метки редки или дороги.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-gradient-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.
- БустингМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Самообучение с учителемМашинное обучение↔ compare
- Обучение с частичной разметкойМашинное обучение↔ compare
- Случайный лес с частичной разметкойМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →