Полусупервизорный наивный байесовский классификатор
Полусупервизорный наивный байесовский классификатор (Semi-supervised Naive Bayes) расширяет классическую генеративную модель наивного Байеса, позволяя использовать большие объемы неразмеченных данных наряду с небольшим размеченным набором. Используя алгоритм максимизации ожидания (Expectation-Maximization, EM), он итеративно выводит мягкие присвоения классов для неразмеченных примеров и переоценивает параметры классов и признаков, что приводит к значительному улучшению качества классификаторов при дефиците размеченных примеров.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text Classification from Labeled and Unlabeled Documents using EM. Machine Learning, 39(2–3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- 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 Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/ru/machine-learning/semi-supervised-naive-bayes
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Логистическая регрессияСтатистика исследований↔ сравнить
- Наивный БайесМашинное обучение↔ сравнить
- Обучение с частичной разметкойМашинное обучение↔ сравнить
- Машина опорных векторов с частичной разметкойМашинное обучение↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →