Semi-supervised Decision Tree
Ett semi-övervakat beslutsträd utökar standardinduktion av beslutsträd — såsom CART eller C4.5 — för att utnyttja oetiketterade observationer vid sidan av den etiketterade träningsmängden. Genom att iterativt tilldela preliminära etiketter till oetiketterad data och införliva dem i växande- eller delningsprocessen, kan algoritmen uppnå bättre noggrannhet än ett fullständigt övervakat träd tränat enbart på den etiketterade delmängden, vilket är särskilt värdefullt när etikettering är kostsam eller tidskrävande.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-decision-tree
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.
- BeslutsträdMaskininlärning↔ compare
- Gradient BoostingMaskininlärning↔ compare
- EtikettpropageringMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →