Apprendimento semi-supervisionato
L'apprendimento semi-supervisionato (SSL) è un paradigma di machine learning che addestra modelli utilizzando un piccolo insieme di esempi etichettati insieme a un pool molto più ampio di dati non etichettati. Sfruttando la struttura intrinseca nei dati non etichettati, l'SSL raggiunge un'accuratezza più vicina a quella dei modelli completamente supervisionati, richiedendo al contempo molte meno etichette manuali costose, rendendolo pratico quando l'etichettatura è costosa, lenta o soggetta a vincoli di risorse.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+61 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/it/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.
- Active LearningApprendimento automatico↔ compare
- Few-shot LearningApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Random Forest Semi-SupervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →