การเรียนรู้แบบกึ่งกำกับดูแลแบบรวมกลุ่ม (Ensemble Semi-supervised Learning)
การเรียนรู้แบบกึ่งกำกับดูแลแบบรวมกลุ่ม (Ensemble semi-supervised learning) เป็นการผสมผสานโมเดลพื้นฐาน (base learners) หลายตัวเข้ากับกระบวนทัศน์แบบกึ่งกำกับดูแล (semi-supervised paradigm) โดยใช้ประโยชน์จากชุดข้อมูลที่มีป้ายกำกับ (labeled data) จำนวนน้อยและชุดข้อมูลที่ไม่มีป้ายกำกับ (unlabeled data) จำนวนมาก การให้โมเดลจำแนกประเภท (classifiers) ที่หลากหลายสอนซึ่งกันและกันผ่านการติดป้ายกำกับเทียม (pseudo-labeling) หรือการฝึกร่วม (co-training) ทำให้โมเดลรวมกลุ่ม (ensemble) มีความสามารถในการสรุปผล (generalization) ที่ดีกว่าที่แนวทางใดแนวทางหนึ่งเพียงอย่างเดียวจะทำได้ด้วยป้ายกำกับที่จำกัด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 1998), pp. 92–100. ACM. DOI: 10.1145/279943.279962 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble Semi-supervised Learning (Combining Ensemble Methods with Semi-supervised Paradigms). ScholarGate. https://scholargate.app/th/machine-learning/ensemble-semi-supervised-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.
- Bagging (Bootstrap Aggregating)การเรียนรู้ของเครื่อง↔ compare
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare