В чём преимущество полуобучения перед обучением только на размеченных данных?
Classic MLУровень: БазаML concepts — Sebastian Raschka FAQ
В чём преимущество полуобучения перед обучением только на размеченных данных?
Подсказки
- Сформулируйте задачу, входные данные и то, что модель должна предсказывать.
- Сравните метод с простым baseline: допущения, функция потерь и независимая проверка.
Ответ
Semi-supervised learning использует небольшую размеченную выборку вместе с часто более доступными неразмеченными данными для целевой задачи. Последние могут помочь понять структуру распределения и улучшить модель без полной разметки. Однако польза зависит от предпосылок, например гладкости или согласованности кластеров с классами. При сдвиге распределения или ошибочных псевдометках дополнительные данные могут ухудшить результат, поэтому нужен независимый размеченный тест.
Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · перевод: Quantoros