Innholdsfortegnelse:
Definisjon - Hva betyr Semi-Supervised Learning?
Semi-veiledet læring er en metode som brukes for å gjøre det mulig for maskiner å klassifisere både materielle og immaterielle objekter. Gjenstandene maskinene trenger for å klassifisere eller identifisere, kan være like varierte som å utlede læringsmønstrene til elevene fra klasseromsvideoer til å trekke slutninger fra forsøk på datatyveri på servere. For å lære og utlede om objekter, er maskiner gitt merket, grunne informasjon om forskjellige typer data basert på hvilke maskinene trenger å lære av store, strukturerte og ustrukturerte data de mottar regelmessig.
Techopedia forklarer Semi-Supervised Learning
Den lille delen av merkede data levert til systemene fungerer som utgangspunkt for datasystemene. Etter dette må systemene godta og lære av store mengder umerkede data. Imidlertid kan de merkede dataene som er gitt, være nyttige i å klassifisere den brede typen umerkede data systemet kan motta. For eksempel, som merkede data, bør temperaturer over 104 ° F behandles som et tilfelle av høy feber, men i virkeligheten kan en slik høy temperatur også skyldes andre komplikasjoner. Det er for systemene å bruke de grunnleggende merkede dataene og lære mer om de store volumene med umerkede data den mottar. Teoretisk sett kan semi-veiledet læring betraktes som en bedre opplæringsmetode for systemer enn veiledet eller uten tilsyn.
