Semi-supervised Voting Ensemble
Ett semi-övervakat röstningsensemble tränar flera klassificerare på en liten märkt datamängd, utnyttjar sedan iterativt omärkt data genom att låta klassificerarna märka exempel som de är överens om, vilket utökar träningspoolen tills alla klassificerare röstar gemensamt på testexempel. Det kombinerar etikett-effektiviteten hos semi-övervakad inlärning med variansreduktionen hos majoritetsröstningsensembler, vilket gör det värdefullt när märkg är kostsam.
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
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/sv/machine-learning/semi-supervised-voting-ensemble
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.
- BoostingMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Semi-supervised BaggingMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →