La ricerca in algoritmi foresta casuale grado di insiemi di dati di commutazione

Question

Sono curioso di vedere se la ricerca stato fatto in foreste casuali che si combinano senza sorveglianza con l'apprendimento supervisionato in modo da consentire un unico algoritmo per trovare i modelli di e lavoriamo, più set di dati diversi. Googled tutti i modi di trovare la ricerca su questo, e sono venuto a mani vuote. Qualcuno può punto me nella giusta direzione?

Answer 1

apprendimento semi-supervisionato

La combinazione di apprendimento non supervisionato e apprendimento supervisionato si riferisce a come semi-supervised learning , che è il concetto che credo che si sta cercando.

Label propagation è spesso citato quando delineare le euristiche di semi-supervised learning. L'essenza è di impiegare clustering, ma utilizzare un piccolo insieme di casi noti al fine di ricavare (o propogate) le etichette dei cluster. Quindi si è in grado di utilizzare un piccolo insieme di casi etichettati per classificare un insieme molto maggiore di dati non presidiati.

Qui ci sono alcuni riferimenti:

• Wikipedia ha una voce sulla semi-supervised learning .
• Lo scikit imparare Guida per l'utente è spesso un utile punto di partenza ed ha una routine di propagazione un'etichetta .
• Non ci sono, infatti, le carte in cura semi-supervised random forest modelli .
• un altro qui

Spero che questo aiuti!