Polosupervidované bagging
Semi-supervised Bagging rozširuje klasický baggingový ansámblový prístup na situácie, kde sú označené tréningové príklady vzácne, ale je k dispozícii veľké množstvo neoznačených dát. Základné učenie modely trénované na označených dátach priraďujú pseudo-označenia neoznačeným príkladom; rozšírená dátová sada sa potom použije na rast diverzného ansámblového modelu, ktorého agregovaný hlas je presnejší a stabilnejší ako ktorýkoľvek jednotlivý model trénovaný len na obmedzenej označenej sade.
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
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-bagging
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.
- Gradient BoostingStrojové učenie↔ compare
- Propagácia štítkovStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →