เปรียบเทียบวิธี

	Self-supervised Boosting	การบูสต์แบบกึ่งมีผู้สอน (Semi-supervised Boosting)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010s–2020s	1999–2009
ผู้ริเริ่ม	Various researchers (2010s–2020s)	Mallapragada, P. K.; Bennett, K. P.; and others
ประเภท	Ensemble (self-supervised + boosting)	Semi-supervised ensemble method
แหล่งต้นตำรับ	Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. In Proceedings of the 33rd Annual Meeting of the Association for Computational Linguistics (pp. 189–196). ACL.	Mallapragada, P. K., Jin, R., Jain, A. K., & Liu, Y. (2009). SemiBoost: Boosting for Semi-supervised Learning. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2000–2014.
ชื่อเรียกอื่น	SSL boosting, self-supervised ensemble boosting, pretext-task boosting, SSL-Boost	SemiBoost, SSL boosting, boosting with unlabeled data, semi-supervised ensemble boosting
ที่เกี่ยวข้อง	6	5
สรุป	Self-supervised boosting integrates self-supervised pretext tasks into the boosting framework — covering AdaBoost, gradient boosting, and their modern variants — to leverage large pools of unlabeled data. By first learning feature representations from unlabeled samples and then running sequential weak-learner ensembles on pseudo-labeled data, it achieves competitive accuracy even when ground-truth labels are scarce.	Semi-supervised Boosting is an ensemble learning paradigm that extends classical boosting algorithms — such as AdaBoost — to exploit both labeled and unlabeled data. By propagating label information through a similarity structure over unlabeled instances, it trains stronger classifiers than supervised boosting alone when labeled data are scarce.