Semi-overvåget læring er en type maskinlæring. Det refererer til et læringsproblem (og algoritmer designet til læringsproblemet), der involverer en lille del af mærkede eksempler og et stort antal umærkede eksempler, som en model skal lære og forudsige nye eksempler fra.
Hvad mener du med semi-superviseret læring?
Semi-overvåget læring er en tilgang til maskinlæring, der kombinerer en lille mængde mærkede data med en stor mængde umærkede data under træning. … Semi-superviseret læring er også af teoretisk interesse i maskinlæring og som en model for menneskelig læring.
Hvad er semi-overvåget læringseksempel?
Et almindeligt eksempel på en anvendelse af semi-superviseret læring er en tekstdokumentklassificering. … Så semi-overvåget læring gør det muligt for algoritmen at lære af en lille mængde mærkede tekstdokumenter, mens den stadig klassificerer en stor mængde umærkede tekstdokumenter i træningsdataene.
Hvor bruges semi-superviseret læring?
Taleanalyse: Da mærkning af lydfiler er en meget intensiv opgave, er Semi-Supervised læring en meget naturlig tilgang til at løse dette problem. Klassificering af internetindhold: Mærkning af hver webside er en upraktisk og umulig proces og bruger derfor semi-overvågede læringsalgoritmer.
Hvad er forskellen mellem overvåget ogsemi-superviseret læring?
I en overvåget læringsmodel lærer algoritmen på et mærket datasæt, hvilket giver en svarnøgle, som algoritmen kan bruge til at evaluere dens nøjagtighed på træningsdata. … Semi-superviseret læring tager en mellemvej. Den bruger en lille mængde mærkede data, der understøtter et større sæt umærkede data.
