Indholdsfortegnelse:
Definition - Hvad betyder Semi-Supervised Learning?
Semi-overvåget læring er en metode, der bruges til at gøre det muligt for maskiner at klassificere både materielle og immaterielle objekter. De objekter, som maskinerne har brug for at klassificere eller identificere, kunne være lige så forskellige som at udlede læringsmønstre for studerende fra klasseværelsesvideoer til at tegne konklusioner fra datatyveriforsøg på servere. For at lære og udlede om objekter leveres maskiner mærket, lavvandet information om forskellige typer data baseret på hvilke maskinerne har brug for at lære af store, strukturerede og ustrukturerede data, de regelmæssigt modtager.
Techopedia forklarer Semi-Supervised Learning
Den lille smule mærkede data, der leveres til systemerne, fungerer som udgangspunkt for computersystemerne. Derefter skal systemerne acceptere og lære af store mængder umærkede data. De leverede mærkede data kan dog være nyttige til at klassificere den brede type umærkede data, som systemet muligvis modtager. For eksempel, som mærkede data, skal temperaturer over 104 ° F behandles som et tilfælde af høj feber, men i virkeligheden kan en sådan høj temperatur også være på grund af andre komplikationer. Det er til systemerne at bruge de grundlæggende mærkede data og lære mere om de store mængder umærkede data, den modtager. Teoretisk kan semi-overvåget læring betragtes som en bedre træningsmetode til systemer end overvåget eller uovervåget læring.
