Напівкерований дерево рішень
Напівкерований дерево рішень розширює стандартні методи побудови дерев рішень — такі як CART або C4.5 — для використання нерозмічених спостережень поряд із розміченим навчальним набором. Шляхом ітеративного присвоєння тимчасових міток нерозміченим даним та їх включення до процесу зростання або розбиття, алгоритм може досягти кращої точності, ніж повністю кероване дерево, навчене лише на розміченому підмножині, що особливо цінно, коли розмітка є дорогою або трудомісткою.
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
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/uk/machine-learning/semi-supervised-decision-tree
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.
- Дерево рішеньМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Label PropagationМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →