Övervakad ML
165 metoder i denna familj.
I urval
Aktivt lärandeActive learning is an iterative machine-learning paradigm in which a learning algorithm selectively queries an oracle — typically a human annotator — for labels on the most informaActive Learning BoostingActive Learning Boosting combines the query-driven label acquisition of active learning with the weighted-ensemble logic of boosting algorithms such as AdaBoost. The model iterativActive learning Decision treeActive learning with a decision tree combines the interpretable structure of a CART-style tree with a query strategy that selects the most informative unlabeled instances for humanFederated Active LearningFederated Active Learning combines the annotation-efficiency of active learning with the privacy-preserving decentralization of federated learning. A shared global model is trainedAktiv inlärning med Gaussiska blandningsmodellerActive Learning Gaussian Mixture Model combines an iterative query strategy with a Gaussian Mixture Model learner. The algorithm selects the most informative unlabeled points — typAktiv inlärning med gradient boostingActive Learning Gradient Boosting combines the powerful predictive accuracy of gradient boosted trees with an active learning loop that selects the most informative unlabeled examp
Läsväg
Det här ämnets mest refererade grundläggande metoder, i den ordning de utvecklades — en bra startpunkt om du är ny här.
Alla metoder 165
Aktivt lärandeActive Learning BoostingActive learning Decision treeFederated Active LearningAktiv inlärning med Gaussiska blandningsmodellerAktiv inlärning med gradient boostingAktiv inlärning med K-närmaste grannarAktiv inlärning med LightGBMAktiv inlärning linjär regressionAktiv inlärning med enklass-SVMAktiv inlärning med självövervakad inlärningAktiv inlärningsstackning ensembleAktivt lärande Support Vector MachineAktivt lärande med röstningsensembleAdaBoostBoostingBoosting EnsembleBorda-räknande aggregeringCatBoostKollaborativ filtreringKonform prediktionBeslutsträdDempster-Shafers fusionEmerging Pattern MiningEnsemble Active LearningEnsemble Decision TreeEnsemble Federated LearningEnsemble Few-Shot LearningEnsemble Gaussisk BlandningsmodellEnsemble Gaussian ProcessEnsemble Gradient BoostingEnsemble K-Nearest NeighborsEnsemble Metric LearningEnsemble Naive BayesEnsemble One-Class SVMEnsemble Online LearningEnsemble Självövervakad InlärningEnsemble Semi-supervised LearningEnsemble Support Vector MachineEnsemble Transfer LearningExtra TreesFew-shot LearningFP-Growth (Frequent Pattern Growth)Generaliserad additiv modell (GAM)Independent Component Analysis (ICA)IsomapK-Närmaste GrannarEtikettpropageringLightGBMLinjär diskriminantanalys (LDA)Linjär regression (ML)Lokal regression med LOESS / LOWESSMajoritetsröstningMultivariate Adaptive Regression Splines (MARS)MatrisfullständighetMetriskinlärningMulti-layer Perceptron (MLP)Naiv BayesIcke-negativ matris-faktorisering (NMF)Online Active LearningOnline BoostingOnline Decision TreeOnline Federated LearningOnline Few-shot LearningOnline FP-growthOnline Gaussisk blandningsmodellOnline Gaussisk ProcessOnline Gradient BoostingOnline K-Närmaste GrannarOnline LearningOnline LightGBMOnline linjär regressionOnline metriklärandeOnline Naive BayesOnline One-Class SVMOnline Random ForestOnline självövervakad inlärningOnline semi-supervised learningOnline Support Vector MachineOnline transferinlärningOnline röstningsensembleDetektion av data utanför fördelningenPartial Least Squares Regression (PLS)Policy gradient-metoderQ-learningKvadratisk diskriminantanalys (QDA)Random ForestRegressions- och utjämningssplinesReglerad boostingRegulariserad CatBoostRegulariserat beslutsträdReglerad federerad inlärningRegulariserad fåskjutsinlärningRegulariserad Gaussisk ProcessRegulariserad gradientboostingRegulariserad k-närmaste granne (kNN)Regulariserad Naive BayesRegulariserad onlineinlärningRegularized Random ForestRegulariserad semisuperviserad inlärningRegulariserad stödvektormaskinRegulariserad överföringsinlärningRobust aktiv inlärningRobust BoostingRobust beslutsträdRobust Federated LearningRobust Gaussisk BlandningsmodellRobust Gaussian ProcessRobust metrisk inlärningRobust One-Class SVMRobust onlineinlärningRobust Random ForestRobust Stacking EnsembleRobust Support Vector MachineRobust Voting EnsembleRegelinduktion (RIPPER)Självövervakat aktivt lärandeSjälvövervakad boostingSelf-supervised Decision TreeSjälvövervakad federerad inlärningSjälvövervakad inlärning med få exempel (Self-supervised Few-shot Learning)Självövervakad Gaussisk processSjälvövervakad gradientförstärkningSjälvövervakad K-närmaste grannarSjälvövervakad inlärningSjälvövervakad LightGBMSjälvövervakad metrikinlärningSjälvövervakad enklass-SVMSjälvövervakad slumpmässig skogSjälvövervakad staplingsensembleSjälvövervakad Support Vector MachineSjälvövervakad överföringsinlärningSemi-supervised Active LearningSemi-övervakad BoostingSemi-övervakad CatBoostSemi-supervised Decision TreeSemi-övervakad federerad inlärningSemi-övervakad Fåskotts-inlärningSemi-övervakad FP-tillväxtSemi-övervakad Gaussisk blandningsmodellSemi-övervakad Gaussisk processSemi-supervised Gradient BoostingSemi-supervised K-Nearest NeighborsSemi-övervakad inlärningSemi-övervakad LightGBMSemi-supervised linjär regressionSemi-supervised metric learningSemihandled Naive BayesSemi-supervised One-class SVMSemi-övervakad onlineinlärningSemisupervised Random ForestSemi-övervakad staplingsensembleSemi-supervised Support Vector MachineSemi-supervised Transfer LearningSemi-supervised Voting EnsembleSemi-supervised XGBoostSekventiell mönsterutvinningStacked GeneralizationStackingStokastisk gradientnedstigning (SGD)Support Vector Machine (Klassificering)Support Vector RegressionÖverföringsinlärningRöstningsensembleXGBoost