Naive Bayes แบบเรียนรู้ตนเอง
Naive Bayes แบบเรียนรู้ตนเอง (Self-supervised Naive Bayes) เป็นการขยายตัวจำแนกประเภท Naive Bayes แบบดั้งเดิม เพื่อใช้ประโยชน์จากชุดข้อมูลขนาดใหญ่ที่ไม่มีป้ายกำกับ โดยการกำหนดป้ายกำกับเทียมแบบอ่อน (soft pseudo-labels) ซ้ำๆ ผ่านวงจร Expectation-Maximization (EM) วิธีการนี้ซึ่งเดิมสาธิตสำหรับการจำแนกข้อความโดย Nigam และคณะ (2000) สามารถปรับปรุงความแม่นยำได้อย่างมากเมื่อตัวอย่างที่มีป้ายกำกับมีจำนวนน้อย แต่ข้อมูลที่ไม่มีป้ายกำกับมีจำนวนมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Nigam, K., McCallum, A. K., Thrun, S., & Mitchell, T. (2000). Text classification from labeled and unlabeled documents using EM. Machine Learning, 39(2-3), 103–134. DOI: 10.1023/A:1007692713085 ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/th/machine-learning/self-supervised-naive-bayes
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.
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกแบบกำกับตนเองการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- Naive Bayes แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare