我很好奇是否已经对随机森林进行了研究,该研究将无监督学习与监督学习相结合,从而允许单个算法在多个不同的数据集中找到模式并与之一起工作。我已经用谷歌搜索了所有可能的方法来找到这方面的研究,但结果都是空的。谁能指出我正确的方向?
研究能够切换数据集的随机森林算法
数据挖掘
随机森林
监督学习
无监督学习
2021-10-11 13:47:20
1个回答
半监督学习
无监督学习和监督学习的结合被称为semi-supervised learning
,这是我相信你正在寻找的概念。
Label propagation
在概述semi-supervised learning
. 本质是使用聚类,但使用一小部分已知案例来推导(或传播)聚类的标签。因此,人们可以使用一小组带标签的案例来对更大的无监督数据集进行分类。
以下是一些参考资料:
- 维基百科上有一个条目
semi-supervised learning
。 - scikit learn 用户指南通常是一个有用的起点,并且有一个标签传播例程。
- 事实上,有论文处理
semi-supervised
random forest
模型。 - 这里还有一个
希望这可以帮助!
其它你可能感兴趣的问题