การจำแนกประเภทแบบเพื่อนบ้านใกล้เคียง K แบบกึ่งมีผู้สอน
Semi-supervised KNN เป็นการขยายอัลกอริทึม K-nearest neighbors แบบคลาสสิก เพื่อใช้ประโยชน์จากชุดข้อมูลขนาดใหญ่ที่ไม่มีป้ายกำกับ (unlabeled data) ควบคู่ไปกับชุดข้อมูลที่มีป้ายกำกับ (labeled data) ขนาดเล็ก โดยการสร้างกราฟ KNN เหนือจุดข้อมูลทั้งหมด และเผยแพร่ป้ายกำกับที่ทราบผ่านเส้นเชื่อมของกราฟ วิธีการนี้จะอนุมานป้ายกำกับสำหรับจุดข้อมูลที่ไม่มีป้ายกำกับ โดยไม่ต้องใช้การติดป้ายกำกับด้วยตนเองที่มีค่าใช้จ่ายสูงสำหรับทุกตัวอย่าง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Zhu, X. & Ghahramani, Z. (2002). Learning from labeled and unlabeled data with label propagation. Technical Report CMU-CALD-02-107, Carnegie Mellon University. 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 K-Nearest Neighbors (Label Propagation via KNN Graph). ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-k-nearest-neighbors
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.
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- Gaussian Process แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การจำแนกประเภทแบบกึ่งมีผู้สอนด้วยเครื่องเวกเตอร์สนับสนุนการเรียนรู้ของเครื่อง↔ compare