Полу-надгледани XGBoost
Полу-надгледани XGBoost проширује XGBoost оквир градијентног појачања на сценарије где само делић тренинг примера носи ознаке. Итеративним генерисањем псеудо-ознака за неозначене податке и поновним тренирањем на проширеном скупу, метода издваја сигнал из неозначених посматрања, побољшавајући генерализацију када су означени подаци оскудни.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Extreme Gradient Boosting. ScholarGate. https://scholargate.app/sr/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.
- Градијентно појачањеMašinsko učenje↔ compare
- Propagacija oznakaMašinsko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- XGBoostMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →