Machine learningMachine learning

半监督学习

半监督学习（SSL）是一种机器学习范式，它利用少量带标签样本和大量无标签数据来训练模型。通过利用无标签数据中固有的结构，SSL 在需要更少昂贵的人工标注的情况下，实现了接近全监督模型的准确性——这使得在标注成本高昂、耗时或资源受限时，SSL 变得切实可行。

在 MethodMind 中打开即将推出视频即将推出Download slides

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

Method map

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

半监督学习

主动学习少样本学习自监督学习半监督随机森林迁移学习主动学习提升（Active Learning B…联邦主动学习主动学习高斯混合模型主动学习逻辑回归主动学习单类支持向量机

+61 more

来源

Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, University of Wisconsin-Madison. link ↗

如何引用本页

ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/zh/machine-learning/semi-supervised-learning

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 →

被引用于

主动学习提升（Active Learning Boosting）联邦主动学习主动学习高斯混合模型主动学习逻辑回归主动学习单类支持向量机主动学习与自监督学习主动学习支持向量机主动学习投票集成 Apriori算法关联规则贝叶斯主动学习贝叶斯在线学习贝叶斯半监督学习集成主动学习 Ensemble Online Learning 集成自监督学习集成半监督学习少样本学习度量学习在线主动学习在线少样本学习在线学习在线半监督学习在线迁移学习正则化联邦学习正则化在线学习正则化半监督学习鲁棒主动学习自监督主动学习自监督决策树 Self-supervised Federated Learning 自监督高斯混合模型自监督梯度提升 (Self-supervised Gradient Boosting)自监督学习自监督朴素贝叶斯自监督随机森林自监督堆叠集成自监督支持向量机自监督迁移学习半监督主动学习半监督Apriori算法半监督关联规则半监督自编码器异常检测半监督 Bagging 半监督提升半监督扩散模型半监督联邦学习半监督少样本学习 Semi-supervised GAN 半监督高斯混合模型半监督高斯过程半监督梯度提升半监督图神经网络半监督隔离森林半监督K-均值半监督K近邻半监督线性回归半监督逻辑回归半监督长短期记忆网络 (Semi-supervised LSTM)半监督度量学习半监督朴素贝叶斯半监督单类支持向量机半监督在线学习半监督迁移学习半监督投票集成迁移学习弱监督语义分割弱监督变分自编码器弱监督视觉变换器

发现本页有问题？报告或提出修改建议 →