Šta je semi-supervised learning i self-training?

Полу-надгледано учење је приступ у машинском учењу који користи како означене, тако и неозначене податке за тренирање модела. Обично има мало означених података и много неозначених, а полу-надгледане методе помажу у побољшању квалитета модела коришћењем додатних информација из неозначених података.

Самообука је једна од метода полу-надгледаног учења. Идеја је да се модел најпре обучи на означеним подацима, затим предвиђа ознаке за неозначене податке, бира најпоузданије предвиђаје и додаје их у скуп за обуку за поновно тренирање. Овај процес се може понављати више пута, постепено ширећи скуп за обуку.

Пример самообуке:

# Псеудо-код
model.train(означени_податци)
for итерација in range(N):
    псевдо_ознаке = model.predict(неозначени_податци)
    поуздани_примери = select_confident(псеудо_ознаке)
    означени_податци += поуздани_примери
    неозначени_податци -= поуздани_примери
    model.train(означени_податци)

Овим путем, самообука помаже у коришћењу неозначених података за побољшање квалитета модела са ограниченим бројем означених примера.