ต้นไม้ตัดสินใจแบบกึ่งกำกับดูแล (Semi-supervised Decision Tree)
ต้นไม้ตัดสินใจแบบกึ่งกำกับดูแลเป็นการขยายผลการเหนี่ยวนำต้นไม้ตัดสินใจมาตรฐาน เช่น CART หรือ C4.5 เพื่อใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับควบคู่ไปกับชุดข้อมูลฝึกสอนที่มีป้ายกำกับ โดยการกำหนดป้ายกำกับชั่วคราวให้กับข้อมูลที่ไม่มีป้ายกำกับและนำไปรวมในกระบวนการสร้างหรือแบ่งกิ่งของต้นไม้ อัลกอริทึมสามารถให้ความแม่นยำที่ดีกว่าต้นไม้แบบกำกับดูแลเต็มรูปแบบที่ฝึกสอนจากชุดข้อมูลย่อยที่มีป้ายกำกับเพียงอย่างเดียว ซึ่งมีคุณค่าอย่างยิ่งเมื่อการติดป้ายกำกับมีค่าใช้จ่ายสูงหรือใช้เวลานาน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-decision-tree
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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare