การจัดกลุ่มแบบกึ่งกำกับด้วยการซ้อนทับ
การจัดกลุ่มแบบกึ่งกำกับด้วยการซ้อนทับ (Semi-supervised Stacking Ensemble) ขยายกรอบการทำงานการสรุปความแบบคลาสสิก (stacked generalization) ไปสู่สถานการณ์ที่มีเพียงส่วนน้อยของตัวอย่างการฝึกอบรมที่มีป้ายกำกับ ผู้เรียนพื้นฐาน (Base learners) จะถูกฝึกอบรมด้วยข้อมูลที่มีป้ายกำกับก่อน จากนั้นจึงใช้เพื่อกำหนดป้ายกำกับเสมือน (pseudo-labels) ให้กับตัวอย่างที่ไม่มีป้ายกำกับ ชุดข้อมูลที่ขยายออกจะฝึกอบรมโมเดลพื้นฐานที่แข็งแกร่งยิ่งขึ้น ซึ่งการคาดการณ์นอกกลุ่ม (out-of-fold predictions) ของโมเดลเหล่านี้จะกลายเป็นอินพุตสำหรับผู้เรียนระดับอภิ (meta-learner) ทำให้เกิดการจัดกลุ่มแบบสองระดับที่ใช้ประโยชน์จากทั้งโครงสร้างที่มีป้ายกำกับและไม่มีป้ายกำกับ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
- Chapelle, O., Schölkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Stacking Ensemble (Self-trained Stacked Generalization). ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-stacking-ensemble
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.
- การรวมกลุ่มแบบแบ็กกิงการเรียนรู้แบบรวมกลุ่ม↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- การแพร่กระจายป้ายกำกับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การซ้อนทับการเรียนรู้ของเครื่อง↔ compare