Введение:
Машинное обучение — это процесс, в ходе которого машина учится на прошлых данных, а затем делает прогнозы о будущем на основе этого обучения. Иногда требуется небольшое участие человека, а иногда — никакого. Основной недостаток обучения с учителем в том, что оно требует участия специалиста по машинному обучению со стороны исследователя данных, а это дорогостоящий метод. Машинное обучение с частичным привлечением учителя появилось, чтобы устранить этот недостаток. Представьте, что вы можете с помощью машинного обучения предвидеть будущий доход вашей компании и принимать решения на этой основе.
Что такое обучение с частичным привлечением учителя?
Обучение с частичным привлечением учителя — это вид машинного обучения, находящийся между обучением с учителем и обучением без учителя. Сочетание небольшого объёма размеченных данных и большого объёма неразмеченных данных называется обучением с частичным привлечением учителя. Оно сочетает преимущества как обучения с учителем, так и обучения без учителя.
Как работает обучение с частичным привлечением учителя?
Обучение с частичным привлечением учителя, в отличие от обучения с учителем, использует псевдоразметку для обучения модели на меньшем объёме размеченных обучающих данных. В этом процессе можно сочетать различные модели нейронных сетей и методы обучения. Следующие пункты показывают, как работает обучение с частичным привлечением учителя:
- Для начала модель обучается на меньшем объёме обучающих данных, чем модели обучения с учителем. Модель обучается до тех пор, пока не начнёт выдавать правильные результаты.
- На следующем этапе алгоритмы используют неразмеченный набор данных с псевдометками, и результат может уже не быть правильным.
- Псевдометки и метки из размеченных обучающих данных теперь связаны.
- Кроме того, связаны и входные данные из неразмеченных обучающих данных.
- Наконец, как и на предыдущем этапе, переобучите модель на новых объединённых входных данных. Это уменьшит число ошибок и повысит точность модели.[1]
Каков пример обучения с частичным привлечением учителя?
Анализ речи
Это самое известное применение обучения с частичным привлечением учителя. Поскольку классификация аудиоданных — самая сложная операция, требующая большого числа человеческих ресурсов, эту проблему можно естественным образом решить с помощью SSL в модели обучения с частичным привлечением учителя.
Классификация веб-контента
Однако разметка каждой страницы в интернете крайне важна и трудна, так как требует значительного участия человека. Тем не менее с помощью алгоритмов обучения с частичным привлечением учителя эту проблему можно смягчить.
Кроме того, Google ранжирует веб-страницу по определённому запросу с помощью алгоритмов обучения с частичным привлечением учителя.
Классификация белковых последовательностей
Поскольку цепочки ДНК длиннее, требуется значительное участие человека. В этой области появление модели с частичным привлечением учителя было не за горами.
Какие бывают типы обучения с частичным привлечением учителя?
Ниже перечислены типы машинного обучения
- Индуктивное обучение
Цель индуктивного обучения — обобщение на новые данные. Поэтому индуктивное обучение — это процесс создания обучающего алгоритма, который учится на размеченном обучающем наборе, а затем обобщает на новые данные.
- Трансдуктивное обучение
Цель трансдуктивного обучения — перенести знания из размеченных обучающих наборов данных на неразмеченные (обучающие) данные, которые легко доступны.
Каковы преимущества обучения с частичным привлечением учителя?
- Его легко понять.
- Он сокращает объём используемых размеченных данных.
- Это стабильный алгоритм.
- Он прост.
- Он обладает высокой эффективностью.
Каковы недостатки обучения с частичным привлечением учителя?
- Результаты итераций нестабильны.
- Он неприменим к данным сетевого уровня.
- Он обладает невысокой корректностью.
Вывод:
В обучении с частичным привлечением учителя в качестве обучающих данных можно использовать как размеченные, так и неразмеченные данные. Машинное обучение можно применять с учётом потребностей и предпочтений бизнеса, помня о преимуществах и недостатках каждого метода обучения.
- Введение в обучение с частичным привлечением учителя. Доступно по адресу: https://www.javatpoint.com/semi-supervised-learning.
More about semi-supervised learning
Want to go further with semi-supervised learning? These Netstech guides and services are a good next step:
