Напівкерований випадковий ліс
Напівкерований випадковий ліс (SSL-RF) розширює класичний випадковий ліс, використовуючи як мічені, так і немічені навчальні приклади. Коли розмітка даних є дорогою або тривалою, SSL-RF призначає тимчасові псевдо-мітки неміченим спостереженням через сам ліс, а потім перенавчається на збагаченому наборі даних, поступово покращуючи точність без необхідності додаткової людської анотації.
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
- Leistner, C., Saffari, A., Santner, J., & Bischof, H. (2009). Semi-supervised random forests. In Proceedings of the IEEE 12th International Conference on Computer Vision (ICCV), pp. 506–513. IEEE. DOI: 10.1109/ICCV.2009.5459198 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Computer Sciences Technical Report 1530, University of Wisconsin-Madison. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Random Forest (SSL-RF). ScholarGate. https://scholargate.app/uk/machine-learning/semi-supervised-random-forest
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.
- 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 →