Självövervakad Naive Bayes
Självövervakad Naive Bayes utökar den klassiska Naive Bayes-klassificeraren för att utnyttja stora mängder oetiketterad data genom att iterativt tilldela mjuka pseudoetiketter via en Expectation-Maximization-loop. Ursprungligen demonstrerad för textklassificering av Nigam et al. (2000), kan metoden avsevärt förbättra noggrannheten när etiketterade exempel är få men oetiketterad data är riklig.
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
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/sv/machine-learning/self-supervised-naive-bayes
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.
- Naiv BayesMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Självövervakad logistisk regressionMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- Semihandled Naive BayesMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →