Samoučenie Naive Bayes
Samoučenie Naive Bayes rozširuje klasický klasifikátor Naive Bayes o využitie veľkých súborov neoznačených dát iteratívnym priraďovaním mäkkých pseudoznačiek prostredníctvom cyklu očakávania-maximalizácie (Expectation-Maximization). Pôvodne demonštrovaný pre klasifikáciu textu Nigamom a kol. (2000), tento prístup môže podstatne zlepšiť presnosť, keď sú označené príklady zriedkavé, ale neoznačené dáta sú hojné.
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
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/sk/machine-learning/self-supervised-naive-bayes
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.
- Naive BayesStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Logistická regresia so samoučiacim sa učenímStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Polosupervizované Naive BayesStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →