Naive Bayes แบบกึ่งกำกับดูแล
Naive Bayes แบบกึ่งกำกับดูแล (Semi-supervised Naive Bayes) เป็นการขยายแบบจำลองการสร้าง (generative model) แบบ Naive Bayes แบบดั้งเดิม เพื่อใช้ประโยชน์จากชุดข้อมูลที่ไม่มีป้ายกำกับจำนวนมาก ควบคู่ไปกับชุดข้อมูลที่มีป้ายกำกับขนาดเล็ก โดยใช้เทคนิค Expectation-Maximization (EM) ในการประมาณค่าการกำหนดป้ายกำกับแบบอ่อน (soft class assignments) สำหรับข้อมูลที่ไม่มีป้ายกำกับ และปรับปรุงค่าพารามิเตอร์ของคลาสและคุณลักษณะใหม่ ซึ่งส่งผลให้ได้ตัวจำแนกประเภท (classifier) ที่ดีขึ้นอย่างมากเมื่อข้อมูลที่มีป้ายกำกับมีจำกัด
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). Semi-supervised Naive Bayes (EM-augmented Generative Classifier). ScholarGate. https://scholargate.app/th/machine-learning/semi-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.
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การจำแนกประเภทแบบกึ่งมีผู้สอนด้วยเครื่องเวกเตอร์สนับสนุนการเรียนรู้ของเครื่อง↔ compare