Bayesiansk semi-övervakad inlärning
Bayesiansk semi-övervakad inlärning är ett probabilistiskt ramverk som använder både en liten märkt datamängd och en större pool av omärkta observationer för att härleda modellparametrar och göra prediktioner. Genom att behandla saknade etiketter som latenta variabler och placera prioris på parametrar, kvantifierar den naturligt osäkerhet samtidigt som den utnyttjar omärkta data för att förbättra generalisering.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/sv/machine-learning/bayesian-semi-supervised-learning
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.
- Bayesiansk aktiv inlärningMaskininlärning↔ compare
- Bayesiansk Gaussisk BlandningsmodellMaskininlärning↔ compare
- Few-shot LearningMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →