L'aprenentatge semisupervisat és un tipus d'aprenentatge automàtic. Es refereix a un problema d'aprenentatge (i algorismes dissenyats per al problema d'aprenentatge) que inclou una petita part d'exemples etiquetats i un gran nombre d'exemples sense etiqueta dels quals un model ha d'aprendre i fer prediccions sobre exemples nous.
Què vols dir amb aprenentatge semisupervisat?
L'aprenentatge semi-supervisat és un enfocament de l'aprenentatge automàtic que combina una petita quantitat de dades etiquetades amb una gran quantitat de dades sense etiquetar durant l'entrenament. … L'aprenentatge semi-supervisat també té interès teòric en l'aprenentatge automàtic i com a model per a l'aprenentatge humà.
Què és un exemple d'aprenentatge semisupervisat?
Un exemple comú d'aplicació d'aprenentatge semisupervisat és un classificador de documents de text. … Per tant, l'aprenentatge semi-supervisat permet que l'algoritme aprengui d'una petita quantitat de documents de text etiquetats alhora que classifica una gran quantitat de documents de text sense etiqueta a les dades d'entrenament.
On s'utilitza l'aprenentatge semisupervisat?
Anàlisi de la parla: atès que l'etiquetatge dels fitxers d'àudio és una tasca molt intensa, l'aprenentatge semi-supervisat és un enfocament molt natural per resoldre aquest problema. Classificació del contingut d'Internet: etiquetar cada pàgina web és un procés poc pràctic i inviable i, per tant, utilitza algorismes d'aprenentatge semisupervisat.
Quina diferència hi ha entre supervisat iaprenentatge semi-supervisat?
En un model d'aprenentatge supervisat, l'algoritme aprèn en un conjunt de dades etiquetat, proporcionant una clau de resposta que l'algoritme pot utilitzar per avaluar la seva precisió en les dades d'entrenament. … L'aprenentatge semi-supervisat pren un terme mitjà. Utilitza una petita quantitat de dades etiquetades per reforçar un conjunt més gran de dades sense etiquetar.