Machine learningMachine learning

Bagging Bán Giám Sát

Bagging Bán Giám Sát mở rộng phương pháp bagging cổ điển sang các thiết lập mà các ví dụ huấn luyện có nhãn khan hiếm nhưng có sẵn một lượng lớn dữ liệu không nhãn. Các bộ học cơ sở được huấn luyện trên dữ liệu có nhãn gán nhãn giả cho các ví dụ không nhãn; sau đó, tập dữ liệu mở rộng được sử dụng để xây dựng một tập hợp đa dạng mà phiếu bầu tổng hợp của nó chính xác và ổn định hơn bất kỳ mô hình đơn lẻ nào được huấn luyện chỉ trên tập dữ liệu có nhãn hạn chế.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

The neighbourhood of related methods — select a node to explore.

Nguồn tài liệu

  1. Bennett, K. P., & Demiriz, A. (1999). Semi-supervised support vector machines. Advances in Neural Information Processing Systems, 11. MIT Press. link
  2. Li, M., & Zhou, Z.-H. (2005). SETRED: Self-training with editing. In Proceedings of the 9th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD), LNAI 3518, pp. 611–621. Springer. DOI: 10.1007/11430919_71

Cách trích dẫn trang này

ScholarGate. (2026, June 3). Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data). ScholarGate. https://scholargate.app/vi/machine-learning/semi-supervised-bagging

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.

Compare side by side

Được tham chiếu bởi

ScholarGateSemi-supervised Bagging (Semi-supervised Bagging (Bootstrap Aggregating with Unlabeled Data)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/machine-learning/semi-supervised-bagging · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026