Байєсівське напівкероване навчання
Байєсівське напівкероване навчання — це імовірнісна структура, яка використовує як невеликий набір мічених даних, так і більший пул немічених спостережень для виведення параметрів моделі та здійснення прогнозів. Розглядаючи відсутні мітки як приховані змінні та накладаючи апріорні розподіли на параметри, ця методика природно кількісно оцінює невизначеність, одночасно використовуючи немічені дані для покращення узагальнення.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.). (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X., Ghahramani, Z., & Lafferty, J. (2003). Semi-supervised learning using Gaussian fields and harmonic functions. Proceedings of the 20th International Conference on Machine Learning (ICML), 912–919. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Semi-supervised Learning (Probabilistic Inference with Labeled and Unlabeled Data). ScholarGate. https://scholargate.app/uk/machine-learning/bayesian-semi-supervised-learning
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.
- Байєсівське активне навчанняМашинне навчання↔ compare
- Байєсівська гауссова сумішМашинне навчання↔ compare
- Навчання з малою кількістю прикладівМашинне навчання↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →