Machine learningMachine learning

Обучение с частичной разметкой

Полуавтоматическое обучение (SSL) — это парадигма машинного обучения, которая обучает модели, используя небольшое количество размеченных примеров вместе с гораздо большим набором неразмеченных данных. Используя структуру, присущую неразмеченным данным, SSL достигает точности, близкой к моделям полного обучения с учителем, при этом требуя значительно меньше дорогостоящих ручных меток, что делает его практичным, когда разметка является дорогостоящей, медленной или ограничена ресурсами.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

+61 more

Источники

  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

Как цитировать эту страницу

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

Упоминается в

Активное обучение с бустингомАктивное обучение с федеративным обучениемActive learning Gaussian mixture modelАктивное обучение логистической регрессииАктивное обучение с использованием One-class SVMАктивное обучение с самообучениемАктивное обучение с машиной опорных векторовАктивное обучение с голосованием ансамбляАлгоритм AprioriПравила ассоциацийБайесовское активное обучениеБайесовское онлайн-обучениеБайесовское полуавтоматическое обучениеАнсамблевое активное обучениеАнсамблевое онлайн-обучениеАнсамблевое самообучениеАнсамблевое полуавтоматическое обучениеОбучение на малом числе примеров (Few-shot Learning)Метрическое обучениеОнлайн-обучение с активным обучениемОнлайн-обучение с малым количеством примеровОнлайн-обучениеОнлайновое полуавтоматическое обучениеОнлайн-обучение с переносом знаний (Online Transfer Learning, OTL)Регуляризованное федеративное обучениеРегуляризованное онлайн-обучениеРегуляризованное полусупервизорное обучениеРобастное активное обучениеСамообучающееся активное обучениеСамообучающееся решающее деревоФедеративное обучение с самоконтролем (Self-supervised Federated Learning)Самообучающаяся гауссова смесь (Self-supervised Gaussian Mixture Model)Самообучающееся градиентное бустированиеСамообучение с учителемНаивный Байес с самообучениемСамообучающийся случайный лесСамообучающаяся стековая ансамблевая модельМетод опорных векторов с самообучением (Self-supervised Support Vector Machine)Трансферное обучение с самоконтролемПолуавтоматическое активное обучениеПолуавтоматический алгоритм AprioriПолуавтоматическое извлечение правил ассоциацийПолуавтоматическое обнаружение аномалий с помощью автоэнкодераПолуавтоматический бэггингПолуавтоматическое бустирование (Semi-supervised Boosting)Полуавтономная диффузионная модельПолуавтономное федеративное обучениеПолусупервизорное обучение с малым количеством примеровПолусупервизорная GANПолуавтоматическая Гауссова Смесь (SS-GMM)Полу-контролируемый Гауссовский процессПолуавтоматический градиентный бустингSemi-supervised Graph Neural NetworkПолуавтоматический Isolation ForestПолуавтоматический K-среднихПолусупервизорный метод K-ближайших соседейПолусупервизорная линейная регрессияЛогистическая регрессия с частичной разметкойПолусупервизорная LSTMОбучение метрике с частичным привлечением учителяПолусупервизорный наивный байесовский классификаторОдноклассовая SVM с частичной разметкойОнлайн-обучение с частичной разметкойПолуавтономное обучение с переносомПолуавтоматический ансамбль голосованияПеренос обученияСлабо контролируемая семантическая сегментацияСлабо контролируемый вариационный автокодировщикТрансформер зрения со слабой разметкой (WS-ViT)
ScholarGateSemi-supervised Learning (Semi-supervised Learning (Combined Labeled and Unlabeled Data Training)). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/semi-supervised-learning · Набор данных: https://doi.org/10.5281/zenodo.20539026