Polozavzdelávacie zosilňovanie
Polozavzdelávacie zosilňovanie je súborová učebná paradigma, ktorá rozširuje klasické zosilňovacie algoritmy — ako napríklad AdaBoost — na využitie označených aj neoznačených údajov. Šírením informácií o označeniach prostredníctvom štruktúry podobnosti cez neoznačené inštancie trénuje silnejšie klasifikátory ako samotné zavzdelávacie zosilňovanie, keď sú označené údaje vzácne.
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
- Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014. DOI: 10.1109/TPAMI.2008.235 ↗
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised Support Vector Machines. Advances in Neural Information Processing Systems (NIPS), 11, 368–374. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Boosting (Boosting with Unlabeled Data). ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-boosting
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.
- AdaBoostStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Propagácia štítkovStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →