CatBoost แบบกึ่งมีผู้สอน
Semi-supervised CatBoost ประยุกต์ใช้กรอบการทำงานของ CatBoost ในการเพิ่มความชันตามลำดับ (ordered gradient boosting) กับชุดข้อมูลที่มีตัวอย่างที่ติดป้ายกำกับเพียงบางส่วน โดยใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับผ่านกลยุทธ์การติดป้ายกำกับเทียม (pseudo-labeling) หรือกลยุทธ์ที่อิงตามความสอดคล้อง (consistency-based strategies) เพื่อเพิ่มความแม่นยำของโมเดลให้เหนือกว่าที่ข้อมูลที่มีป้ายกำกับเพียงอย่างเดียวจะทำได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Prokhorenkova, L., Gusev, G., Vorobev, A., Dorogush, A. V., & Gulin, A. (2018). CatBoost: unbiased boosting with categorical features. In Advances in Neural Information Processing Systems (NeurIPS), 31. link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised CatBoost (Gradient Boosting with Partially Labeled Data). ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-catboost
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.
- CatBoostการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การเพิ่มประสิทธิภาพแบบกึ่งมีผู้สอนโดยใช้ Gradient Boostingการเรียนรู้ของเครื่อง↔ compare
- Semi-supervised Random Forestการเรียนรู้ของเครื่อง↔ compare
- XGBoost กึ่งควบคุม (Semi-supervised XGBoost)การเรียนรู้ของเครื่อง↔ compare