Polosupervízny Gaussovský model zmesí
Polosupervízny Gaussovský model zmesí (SS-GMM) je generatívny pravdepodobnostný klasifikátor, ktorý prispôsobuje Gaussovskú zmes označeným aj neoznačeným údajom pomocou algoritmu očakávania-maximalizácie. Označené body obmedzujú priradenie komponentov, zatiaľ čo neoznačené body zlepšujú odhady hustoty, čo umožňuje efektívne učenie, keď sú anotácie zriedkavé.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Gaussian Mixture Model (SS-GMM). ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-gaussian-mixture-model
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.
- Propagácia štítkovStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →