Co je to semi-supervised learning a self-training?

Polouzavřené učení je přístup v strojovém učení, který využívá jak označená, tak neoznačená data k tréninku modelu. Obvykle je málo označených dat a mnoho neoznačených, a metody polouzavřeného učení pomáhají zlepšit kvalitu modelu pomocí dodatečných informací z neoznačených dat.

Samoučení je jednou z metod polouzavřeného učení. Myšlenka je, že model se nejprve naučí na označených datech, poté předpovídá štítky pro neoznačená data, vybírá nejjistější předpovědi a přidává je do tréninkové sady pro opětovné učení. Tento proces lze opakovat několikrát, postupně rozšiřující tréninkovou sadu.

Příklad samoučení:

# Pseudokód
model.train(označená_data)
for iterace in range(N):
    pseudo_štítky = model.predict(neoznačená_data)
    důvěryhodné_vzorky = select_confident(pseudo_štítky)
    označená_data += důvěryhodné_vzorky
    neoznačená_data -= důvěryhodné_vzorky
    model.train(označená_data)

Tímto způsobem samoučení pomáhá využít neoznačená data ke zlepšení kvality modelu při omezeném počtu označených příkladů.