Mi az a félig felügyelt tanulás és az önképzés?

A félig felügyelt tanulás egy megközelítés a gépi tanulásban, amely mind címkézett, mind címke nélküli adatokat használ a modell tanításához. Általában kevés címkézett adat van, és sok címke nélküli adat, és a félig felügyelt módszerek segítenek javítani a modell minőségét a címke nélküli adatokból származó további információk felhasználásával.

Az önképzés az egyik módszere a félig felügyelt tanulásnak. Az ötlet az, hogy a modellt először címkézett adatokon tanítják, majd jósolja a címkéket a címke nélküli adatokra, kiválasztja a legbiztosabb jóslatokat, és hozzáadja azokat a tanulási készlethez az újra tanításhoz. Ezt a folyamatot többször meg lehet ismételni, fokozatosan bővítve a tanulási készletet.

Példa az önképzésre:

# Pseudo-kód
model.train(címkézett_adatok)
for iteráció in range(N):
    pseudo_etikett = model.predict(címke_nélküli_adatok)
    bizalmas_minták = select_confident(pseudo_etikett)
    címkézett_adatok += bizalmas_minták
    címke_nélküli_adatok -= bizalmas_minták
    model.train(címkézett_adatok)

Így az önképzés segít a címke nélküli adatok felhasználásában a modell minőségének javításában, korlátozott számú címkézett példány mellett.