Semi-supervised Bagging
Semi-supervised Bagging utökar den klassiska bagging-ensemblen till situationer där märkta träningsexempel är knappa men stora mängder omärkta data finns tillgängliga. Basinlärningsmodeller tränade på märkta data tilldelar pseudo-etiketter till omärkta exempel; den utökade datamängden används sedan för att bygga en mångfaldig ensemble vars aggregerade röst är mer korrekt och stabil än någon enskild modell tränad enbart på den begränsade märkta mängden.
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
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-bagging
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.
- Gradient BoostingMaskininlärning↔ compare
- EtikettpropageringMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →