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.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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
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.
- BoostingHọc máy↔ compare
- Gradient BoostingHọc máy↔ compare
- Học tăng cường tự giám sátHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Random Forest Bán Giám SátHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →