Machine learningMachine learning

Apprentissage semi-supervisé

L'apprentissage semi-supervisé (SSL) est un paradigme d'apprentissage automatique qui entraîne des modèles en utilisant un petit ensemble d'exemples étiquetés conjointement avec un pool beaucoup plus large de données non étiquetées. En tirant parti de la structure inhérente aux données non étiquetées, le SSL atteint une précision plus proche de celle des modèles entièrement supervisés tout en nécessitant beaucoup moins d'étiquettes manuelles coûteuses, ce qui le rend pratique lorsque l'étiquetage est coûteux, lent ou limité en ressources.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

+61 more

Sources

  1. Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised Learning. MIT Press. ISBN: 978-0-262-03358-9
  2. Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, University of Wisconsin-Madison. link

Comment citer cette page

ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/fr/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.

Compare side by side

Référencée par

Apprentissage actif par ensemble de boostingApprentissage Actif FédéréModèle de Mélange Gaussien avec Apprentissage ActifRégression logistique avec apprentissage actifApprentissage actif avec SVM univariéApprentissage actif avec apprentissage auto-superviséMachine à vecteurs de support par apprentissage actifVote par apprentissage actif ensemblisteAlgorithme AprioriRègles d'associationApprentissage Actif BayésienApprentissage bayésien en ligneApprentissage semi-supervisé bayésienApprentissage actif par ensembleApprentissage ensembliste en ligneApprentissage auto-supervisé par ensembleApprentissage semi-supervisé en ensembleApprentissage à peu d'exemplesApprentissage métriqueApprentissage actif en ligneApprentissage en ligne à quelques exemplesApprentissage en ligneApprentissage semi-supervisé en ligneApprentissage par transfert en ligneApprentissage fédéré régulariséApprentissage en ligne régulariséApprentissage semi-supervisé régulariséApprentissage Actif RobusteApprentissage actif auto-superviséArbre de décision auto-superviséApprentissage Fédéré Auto-SuperviséModèle de Mélange Gaussien Auto-superviséArborescence de gradient auto-superviséeApprentissage auto-superviséBayésien Naïf auto-superviséForêt aléatoire auto-superviséeEmpilement auto-superviséMachine à vecteurs de support auto-superviséeApprentissage par transfert auto-superviséApprentissage Actif Semi-SuperviséAlgorithme Apriori Semi-superviséRègles d'association semi-superviséesDétection d'anomalies par auto-encodeur semi-superviséBagging semi-superviséBoost par apprentissage semi-superviséModèle de diffusion semi-superviséApprentissage fédéré semi-superviséSemi-supervised Few-shot LearningGAN semi-superviséModèle gaussien de mélange semi-superviséProcessus Gaussien semi-superviséGradient Boosting Semi-superviséRéseau neuronal graphique semi-superviséForêt d'isolement semi-superviséeK-means semi-superviséK-plus proches voisins semi-supervisésRégression linéaire semi-superviséeSemi-supervised Logistic RegressionLSTM semi-superviséApprentissage métrique semi-superviséBayes naïf semi-superviséSVM univarié semi-superviséApprentissage en ligne semi-superviséApprentissage par transfert semi-superviséEnsemble de vote semi-superviséApprentissage par transfertSegmentation Sémantique Faiblement SuperviséeAutoencodeur variationnel faiblement superviséVision Transformer faiblement supervisé
ScholarGateSemi-supervised Learning (Semi-supervised Learning (Combined Labeled and Unlabeled Data Training)). Consulté le 2026-06-15 sur https://scholargate.app/fr/machine-learning/semi-supervised-learning · Jeu de données : https://doi.org/10.5281/zenodo.20539026