192
правки
Изменения
Вводные разделы + план
== Понятие машинного обучения в искусственном интеллекте ==
{{Определение
|definition=
'''Обучение с частичным привлечением учителя''' (англ. semi-supervised learning) {{---}} разновидность обучения с учителем, которое также использует неразмеченные данные для тренировки {{---}} обычно небольшое количество размеченных данных и большое количество неразмеченных данных.
}}
== Основная идея ==
Обучение с частичным привлечением учителя занимает промежуточное положение между обучением с учителем и без учителя. Когда получение достаточного количества размеченных данных затруднено (например, когда при разметке данных используются дорогостоящие устройства или специально обученные люди), помимо размеченных данных можно также задействовать и неразмеченные данные для построения более эффективных моделей, по-сравнению с моделями, построенными с полным участием учителя или без него вовсе.
== Постановка задачи обучения ==
'''Дано''' <br />
* Множество данных $X = \{x_1, x_2, ... , x_m\}$ и множество меток $Y = \{y_1, y_2, ... , y_m\}$
* Размеченные данные вида $(X_l, Y_l) = \{(x_{1:l}, y_{1:l})\}$
* Множество неразмеченных данных $X_u = \{x_{l+1:n}\}$, используемых в обучении
* Как правило, $l \ll n$
* Множество неразмеченных данных $X_{test} = \{x_{n+1:m}\}$, не используемых в обучении (тестовая выборка)
'''Найти''' <br />
* Найти решающую функцию $a: X → Y$, где при нахождении функции подразумевается применение как $(X_l, Y_l)$, так и $X_u$.
== Подходы к решению задачи ==
=== Самообучение ===
=== Генеративные модели ===
=== Полуавтоматические SVM ===
=== Алгоритмы на основе графов ===
=== Multiview Learning ===
== Применение ==
== См. также ==
== Примечания ==
== Источники информации ==
