LightGBM с частичной разметкой
Полуавтоматический LightGBM объединяет высокоэффективную основу градиентного бустинга LightGBM с полуавтоматическими стратегиями — чаще всего псевдомаркировкой или самообучением — для использования больших объемов неразмеченных данных наряду с меньшим набором размеченных данных, улучшая прогностическую производительность, когда получение меток является дорогостоящим или трудоемким.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30, 3146–3154. 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 Learning with Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-lightgbm
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.
- LightGBMМашинное обучение↔ compare
- Полуавтоматический градиентный бустингМашинное обучение↔ compare
- Случайный лес с частичной разметкойМашинное обучение↔ compare
- Полу-контролируемый XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →