Semi-supervised XGBoost
Semi-supervised XGBoost rozširuje rámec gradientového zosilňovania XGBoost na situácie, kde iba zlomok tréningových príkladov nesie označenia. Iteratívnym generovaním pseudo-označení pre neoznačené dáta a opätovným trénovaním na rozšírenej množine metóda extrahuje signál z neoznačených pozorovaní, čím zlepšuje generalizáciu, keď sú označené dáta nedostatkové.
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
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-xgboost
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
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →