เทคนิก Bagging แบบกึ่งมีผู้สอน
Semi-supervised Bagging ขยายเทคนิคการรวมกลุ่ม (ensemble) แบบ bagging แบบดั้งเดิมไปยังสถานการณ์ที่ตัวอย่างฝึกสอนที่มีป้ายกำกับมีจำนวนน้อย แต่มีข้อมูลที่ไม่มีป้ายกำกับจำนวนมาก ผู้เรียนพื้นฐาน (base learners) ที่ฝึกสอนด้วยข้อมูลที่มีป้ายกำกับจะกำหนดป้ายกำกับเสมือน (pseudo-labels) ให้กับตัวอย่างที่ไม่มีป้ายกำกับ จากนั้นชุดข้อมูลที่ขยายออกนี้จะถูกนำไปใช้เพื่อสร้างกลุ่มการรวมกลุ่มที่หลากหลาย ซึ่งผลการลงคะแนนรวมมีความแม่นยำและเสถียรมากกว่าโมเดลเดี่ยวใดๆ ที่ฝึกสอนด้วยชุดข้อมูลที่มีป้ายกำกับที่จำกัดเพียงอย่างเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link ↗
- Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-bagging
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.
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare