Aprendizaje semisupervisado
El aprendizaje semisupervisado (SSL, por sus siglas en inglés) es un paradigma de aprendizaje automático que entrena modelos utilizando un pequeño conjunto de ejemplos etiquetados junto con un conjunto mucho mayor de datos no etiquetados. Al aprovechar la estructura inherente en los datos no etiquetados, el SSL logra una precisión cercana a la de los modelos totalmente supervisados, al tiempo que requiere muchas menos etiquetas manuales costosas, lo que lo hace práctico cuando el etiquetado es caro, lento o está restringido en recursos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+61 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/es/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.
- Aprendizaje activoAprendizaje automático↔ compare
- Aprendizaje con Pocos EjemplosAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- Bosque Aleatorio Semi-supervisadoAprendizaje automático↔ compare
- Aprendizaje por transferenciaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →