Semi-supervised Voting Ensemble
การฝึกแบบจำลองการจำแนกประเภทหลายตัวร่วมกันแบบกึ่งมีผู้สอน (semi-supervised voting ensemble) โดยใช้ชุดข้อมูลที่มีป้ายกำกับขนาดเล็ก จากนั้นจึงใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับอย่างต่อเนื่อง โดยให้แบบจำลองการจำแนกประเภทแต่ละตัวติดป้ายกำกับตัวอย่างที่เห็นพ้องต้องกัน เพื่อขยายชุดข้อมูลฝึกฝน จนกระทั่งแบบจำลองทั้งหมดลงคะแนนร่วมกันสำหรับตัวอย่างทดสอบ วิธีนี้เป็นการผสมผสานประสิทธิภาพในการใช้ป้ายกำกับของ การเรียนรู้แบบกึ่งมีผู้สอน (semi-supervised learning) เข้ากับการลดความแปรปรวน (variance reduction) ของการรวมแบบจำลองด้วยการลงคะแนนเสียงข้างมาก (majority-vote ensembles) ทำให้มีคุณค่าเมื่อการติดป้ายกำกับมีค่าใช้จ่ายสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Zhou, Z.-H., & Li, M. (2005). Tri-training: Exploiting unlabeled data using three classifiers. IEEE Transactions on Knowledge and Data Engineering, 17(11), 1529–1541. DOI: 10.1109/TKDE.2005.186 ↗
- Blum, A., & Mitchell, T. (1998). Combining labeled and unlabeled data with co-training. Proceedings of the 11th Annual Conference on Computational Learning Theory (COLT), 92–100. DOI: 10.1145/279943.279962 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Voting Ensemble (Agreement-based Multi-classifier with Unlabeled Data). ScholarGate. https://scholargate.app/th/machine-learning/semi-supervised-voting-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.
- Boostingการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- เทคนิก Bagging แบบกึ่งมีผู้สอนการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare