Semi-supervised Stacking Ensemble
Semi-supervised Stacking Ensemble rozširuje klasický rámec zovšeobecneného skladania (stacked generalization) na situácie, kde štítky (labels) nesú len zlomky tréningových príkladov. Základné modely (base learners) sa najprv trénujú na označených dátach, potom sa použijú na priradenie pseudo-štítkov neoznačeným príkladom; rozšírená dátová sada trénuje silnejšie základné modely, ktorých predikcie mimo zložky (out-of-fold predictions) tvoria vstup pre meta-učenie (meta-learner), čím vzniká dvojúrovňový súbor (ensemble), ktorý využíva štruktúru označených aj neoznačených dát.
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
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Chapelle, O., Schölkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-stacking-ensemble
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.
- Bagging EnsembleAnsámblové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Propagácia štítkovStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- StackingStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →