Qu'est-ce que l'apprentissage semi-supervisé? - définition de techopedia

Définition - Que signifie l'apprentissage semi-supervisé?

L'apprentissage semi-supervisé est une méthode utilisée pour permettre aux machines de classer les objets tangibles et intangibles. Les objets dont les machines ont besoin pour classer ou identifier pourraient être aussi variés que déduire les schémas d'apprentissage des élèves à partir de vidéos en classe ou de tirer des inférences à partir de tentatives de vol de données sur des serveurs. Pour en savoir plus sur les objets et en déduire, des machines sont fournies avec des informations superficielles étiquetées sur divers types de données sur la base desquelles les machines doivent apprendre des données volumineuses, structurées et non structurées qu'elles reçoivent régulièrement.

Techopedia explique l'apprentissage semi-supervisé

Le 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 sans étiquette. Cependant, les données étiquetées fournies peuvent être utiles pour classer le large type de données non étiquetées que le système peut recevoir. Par exemple, comme indiqué sur les données, les températures supérieures à 104 ° F doivent être traitées en cas de fièvre élevée, mais en réalité, cette température élevée peut également être due à d'autres complications. Il appartient aux systèmes d'utiliser les données de base étiquetées et d'en savoir plus sur les volumes importants 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.