Aprenentatge semi-supervisat
L'aprenentatge semi-supervisat (SSL) és un paradigma d'aprenentatge automàtic que entrena models utilitzant un petit conjunt d'exemples etiquetats juntament amb un conjunt molt més gran de dades no etiquetades. Aprofitant l'estructura inherent a les dades no etiquetades, l'SSL aconsegueix una precisió més propera a la dels models totalment supervisats tot requerint moltes menys etiquetes manuals costoses, cosa que el fa pràctic quan l'etiquetatge és car, lent o té restriccions de recursos.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+61 more
Fonts
- Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, University of Wisconsin-Madison. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/ca/machine-learning/semi-supervised-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aprenentatge actiuAprenentatge automàtic↔ compare
- Aprenentatge amb pocs exemplesAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- Bosc Aleatori Semi-supervisatAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →