Напівкерований градієнтний бустинг
Напівкерований градієнтний бустинг поєднує градієнтно-бустинні дерева з самонавчанням або псевдомаркуванням для використання великих обсягів нерозмічених даних поряд із невеликим набором розмічених. Початкове навчання GBM на розмічених даних призначає впевнені прогнози нерозміченим прикладам; ці псевдорозмічені точки включаються назад у навчання, і модель перенавчається, повторюючи процес до збіжності. Це дозволяє практикам використовувати дешеві нерозмічені дані, коли розмітка є дефіцитною або дорогою.
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
- Yarowsky, D. (1995). Unsupervised word sense disambiguation rivaling supervised methods. Proceedings of ACL 1995, 189–196. (Foundational self-training framework underlying pseudo-label approaches.) link ↗
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/uk/machine-learning/semi-supervised-gradient-boosting
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.
- БустингМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Напівкерований випадковий лісМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →