Machine learningMachine learning

Semi-övervakad inlärning

Semi-övervakad inlärning (SSL) är ett paradigm inom maskininlärning som tränar modeller med hjälp av en liten mängd märkta exempel tillsammans med en mycket större mängd omärkta data. Genom att utnyttja den inneboende strukturen i omärkta data uppnår SSL en noggrannhet som ligger närmare helt övervakade modeller, samtidigt som det kräver betydligt färre kostsamma manuella etiketter – vilket gör det praktiskt när märkning är dyrt, långsamt eller resursbegränsat.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Semi-övervakad inlärning

Aktivt lärande Few-shot Learning Självövervakad inlärning Semisupervised Random Fo…Överföringsinlärning Active Learning Boosting Federated Active Learning Aktiv inlärning med Gaus…Aktiv inlärning med logi…Aktiv inlärning med enkl…

+61 more

Källor

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 ↗

Så citerar du den här sidan

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

Aktivt lärandeMaskininlärning↔ compare
Few-shot LearningMaskininlärning↔ compare
Självövervakad inlärningMaskininlärning↔ compare
Semisupervised Random ForestMaskininlärning↔ compare
ÖverföringsinlärningMaskininlärning↔ compare

Compare side by side →

Refereras av

Active Learning Boosting Federated Active Learning Aktiv inlärning med Gaussiska blandningsmodeller Aktiv inlärning med logistisk regression Aktiv inlärning med enklass-SVM Aktiv inlärning med självövervakad inlärning Aktivt lärande Support Vector Machine Aktivt lärande med röstningsensemble Apriori-algoritmen Associeringsregler Bayesiansk aktiv inlärning Bayesiansk online-inlärning Bayesiansk semi-övervakad inlärning Ensemble Active Learning Ensemble Online Learning Ensemble Självövervakad Inlärning Ensemble Semi-supervised Learning Few-shot Learning Metriskinlärning Online Active Learning Online Few-shot Learning Online Learning Online semi-supervised learning Online transferinlärning Reglerad federerad inlärning Regulariserad onlineinlärning Regulariserad semisuperviserad inlärning Robust aktiv inlärning Självövervakat aktivt lärande Self-supervised Decision Tree Självövervakad federerad inlärning Självövervakanad Gaussisk blandmodell Självövervakad gradientförstärkning Självövervakad inlärning Självövervakad Naive Bayes Självövervakad slumpmässig skog Självövervakad staplingsensemble Självövervakad Support Vector Machine Självövervakad överföringsinlärning Semi-supervised Active Learning Semi-supervised Apriori-algoritm Semi-supervised Association Rules Semihandled autoencoder för avvikelsedetektering Semi-supervised Bagging Semi-övervakad Boosting Semihandled diffusionsmodell Semi-övervakad federerad inlärning Semi-övervakad Fåskotts-inlärning Semi-övervakad GAN Semi-övervakad Gaussisk blandningsmodell Semi-övervakad Gaussisk process Semi-supervised Gradient Boosting Semi-övervakad graf-neuralt nätverk Semi-supervised Isolation Forest Halvövervakad K-means Semi-supervised K-Nearest Neighbors Semi-supervised linjär regression Semi-övervakad logistisk regression Semi-supervised LSTM Semi-supervised metric learning Semihandled Naive Bayes Semi-supervised One-class SVM Semi-övervakad onlineinlärning Semi-supervised Transfer Learning Semi-supervised Voting Ensemble Överföringsinlärning Svag övervakad semantisk segmentering Svagt övervakad Variational Autoencoder Svagt övervakad Vision Transformer

Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →