Semi-övervakad onlineinlärning
Semi-övervakad onlineinlärning kombinerar den inkrementella uppdateringsstilen hos onlineinlärning med förmågan att utnyttja oetiketterade exempel, vilket gör det möjligt för modeller att kontinuerligt förbättras från en dataström där endast en liten del av de ankommande instanserna bär sanningsenliga etiketter. Det är särskilt värdefullt när etikettering är kostsam eller fördröjd men data anländer i realtid.
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 Principles and Practice of Knowledge Discovery in Databases (ECML PKDD 2008), Lecture Notes in Computer Science, 5211, 393–407. Springer. link ↗
- Zhu, X., & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-59829-548-3
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Online Learning (Incremental Learning with Partially Labeled Streams). ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-online-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
- Semi-övervakad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →