Semi-supervised Learning
Semi-supervised learning (SSL) je paradigma mašinskog učenja koja obučava modele koristeći mali skup označenih (labeled) primera zajedno sa mnogo većim skupom neoznačenih (unlabeled) podataka. Korišćenjem strukture inherentne u neoznačenim podacima, SSL postiže tačnost bližu potpuno nadgledanim modelima, zahtevajući daleko manje skupih ručnih oznaka — što ga čini praktičnim kada je označavanje skupo, sporo ili ograničeno resursima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+61 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Semi-supervised Learning (Combined Labeled and Unlabeled Data Training). ScholarGate. https://scholargate.app/sr/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.
- Aktivno učenjeMašinsko učenje↔ compare
- Učenje sa malo primera (Few-shot Learning)Mašinsko učenje↔ compare
- Samostalno učenjeMašinsko učenje↔ compare
- Полу-надгледана случајна шумаMašinsko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →