Online semi-supervised learning
Online semi-supervised learning kombinerar den inkrementella, endaste-pass-naturen hos online-inlärning med förmågan att utnyttja oetiketterad data vid sidan av sparsamma etiketterade observationer. Den är utformad för scenarier där data anländer som en ström och det är dyrt eller opraktiskt att erhålla etiketter för varje instans – såsom realtidsklassificering av webbinnehåll, sensordata eller inlägg på sociala medier.
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
- Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases (ECML PKDD), pp. 393–407. Springer. link ↗
- Semi-supervised learning. Wikipedia. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Online Semi-supervised Learning (Stream-based Learning with Partial Labels). ScholarGate. https://scholargate.app/sv/machine-learning/online-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.
- Aktivt lärandeMaskininlärning↔ compare
- EtikettpropageringMaskininlärning↔ compare
- Online LearningMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- ÖverföringsinlärningMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →