Bayesovské polosupervizované učenie
Bayesovské polosupervizované učenie je pravdepodobnostný rámec, ktorý využíva malú označenú datovú sadu aj väčší súbor neoznačených pozorovaní na odhad parametrov modelu a predikcie. Tým, že chýbajúce označenia považuje za latentné premenné a umiestňuje apriórne rozdelenia na parametre, prirodzene kvantifikuje neistotu a zároveň využíva neoznačené údaje na zlepšenie zovšeobecnenia.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/sk/machine-learning/bayesian-semi-supervised-learning
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.
- Bayesovské aktívne učenieStrojové učenie↔ compare
- Bayesovský Gaussovský zmesový modelStrojové učenie↔ compare
- Few-shot LearningStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →