決定木分類器のための半教師あり自己学習

• 半教師あり学習はラベル付きとラベルなしのデータを活用する手法です。
• 本研究では、決定木を基にした自己学習の改善策を提案します。
• 特に、確率推定の精度向上が鍵となる新しいアプローチを示しています。

半教師あり学習は、ラベル付きデータとラベルなしデータを組み合わせて学習する手法です。本論文では、決定木を基にした自己学習の限界を指摘し、確率推定の精度を向上させるためのいくつかの修正を提案します。これにより、ラベルなしデータを活用した際の性能向上が期待されます。機械学習やデータ分析に興味がある方に特におすすめです。

機械学習やデータ分析に興味がある研究者や実務者に向いています。