Machine learningMachine learning

Tăng cường Gradient bán giám sát

Tăng cường Gradient bán giám sát kết hợp cây tăng cường gradient với tự huấn luyện hoặc gán nhãn giả để khai thác các tập dữ liệu lớn không có nhãn cùng với một tập nhỏ có nhãn. Một mô hình GBM ban đầu được huấn luyện trên dữ liệu có nhãn sẽ gán các dự đoán tin cậy cho các ví dụ không có nhãn; các điểm được gán nhãn giả đó được đưa trở lại quá trình huấn luyện và mô hình được tăng cường lại, lặp lại cho đến khi hội tụ. Điều này cho phép các nhà thực hành tận dụng dữ liệu không có nhãn rẻ tiền khi nhãn khan hiếm hoặc đắt đỏ.

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. 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
  2. Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9

Cách trích dẫn trang này

ScholarGate. (2026, June 3). Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees). ScholarGate. https://scholargate.app/vi/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.

Compare side by side

Được tham chiếu bởi

ScholarGateSemi-supervised Gradient Boosting (Semi-supervised Gradient Boosting (Self-training / Pseudo-labeling with Gradient Boosted Trees)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/machine-learning/semi-supervised-gradient-boosting · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026