Définition - Que signifie l'apprentissage semi-supervisé?
L'apprentissage semi-supervisé est une méthode utilisée pour permettre aux machines de classer à la fois les objets tangibles et intangibles. Les objets dont les machines ont besoin pour classer ou identifier pourraient être aussi variés que de déduire les modèles d'apprentissage des élèves à partir de vidéos de classe ou de tirer des inférences à partir de tentatives de vol de données sur des serveurs. Pour apprendre et déduire des objets, les machines reçoivent des informations étiquetées et superficielles sur divers types de données sur la base desquelles les machines ont besoin d'apprendre à partir de données volumineuses, structurées et non structurées qu'elles reçoivent régulièrement.
Definir Tech explique l'apprentissage semi-supervisé
Le petit peu de données étiquetées fournies aux systèmes sert de point de départ pour les systèmes informatiques. Après cela, les systèmes doivent accepter et apprendre de grands volumes de données non étiquetées. Cependant, les données étiquetées fournies peuvent être utiles pour classer le type général de données non étiquetées que le système peut recevoir. Par exemple, selon les données étiquetées, les températures supérieures à 104 ° F devraient être traitées comme un cas de forte fièvre est donné, mais en réalité, une telle température élevée peut également être due à d'autres complications. Il appartient aux systèmes d'utiliser les données étiquetées de base et d'en apprendre davantage sur les grands volumes de données non étiquetées qu'ils reçoivent. Théoriquement, l'apprentissage semi-supervisé peut être considéré comme une meilleure méthode de formation pour les systèmes que l'apprentissage supervisé ou non supervisé.