Clasificación de ideas de aprendizaje semisupervisado
1. Ideas de aprendizaje semisupervisado aprendizaje semisupervisado (SSL)
Se requieren puntos de conocimiento claros :
1. Primero, asegúrese de que el conjunto de entrenamiento contenga dos tipos de datos: etiquetados y sin etiquetar.
2. Nuestro objetivo final es conseguir un clasificador, es decir, un modelo de red.
3. La condición para el final del entrenamiento puede ser usar datos no etiquetados como entrada de la red para obtener la etiqueta de predicción de salida, y los datos dentro de un cierto nivel de confianza se pueden dividir en datos etiquetados hasta que los datos en el conjunto de entrenamiento hayan terminado. etiquetas El clasificador puede ser considerado como el clasificador final.
pasos :
- Se obtiene un modelo de red inicial f entrenando la red con datos inicialmente etiquetados.
- Use el modelo de red inicial f para predecir los datos sin etiquetar x para obtener la etiqueta predicha y, y la etiqueta predicha se considera correcta dentro de un cierto grado de confianza.
- Los datos (x, y) que se consideran la etiqueta predicha correcta se eliminan de los datos no etiquetados en el conjunto de entrenamiento a los datos etiquetados.
- Utilice el conjunto de datos recién obtenido para volver a entrenar la red hasta que se cumpla la condición.
El modelo de red finalmente obtenido es el modelo de red final.