Ce este învățarea semi-supervizată și auto-antrenamentul?

Învățarea semi-supervizată este o abordare în învățarea automată care utilizează atât date etichetate, cât și date neetichetate pentru a antrena modelul. De obicei, există puține date etichetate și multe date neetichetate, iar metodele semi-supervizate ajută la îmbunătățirea calității modelului folosind informații suplimentare din datele neetichetate.

Auto-antrenamentul este una dintre metodele de învățare semi-supervizată. Ideea este ca modelul să fie mai întâi antrenat pe date etichetate, apoi să prezică etichete pentru datele neetichetate, să selecteze cele mai sigure predicții și să le adauge la setul de antrenament pentru reantrenament. Acest proces poate fi repetat de mai multe ori, extinzând treptat setul de antrenament.

Exemplu de auto-antrenament:

# Pseudocod
model.train(datele_etichete)
for iterație in range(N):
    pseudo_etichete = model.predict(datele_fără_etichete)
    most confident_samples = select_confident(pseudo_etichete)
    date_etichete += most_confident_samples
    date_fără_etichete -= most_confident_samples
    model.train(date_etichete)

Astfel, auto-antrenamentul ajută la utilizarea datelor neetichetate pentru îmbunătățirea calității modelului cu un număr limitat de exemple etichetate.