Обучение с частичным привлечением учителя — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Источники информации)
м
Строка 32: Строка 32:
  
 
== См. также ==
 
== См. также ==
 
== Примечания ==
 
  
 
== Источники информации ==
 
== Источники информации ==

Версия 00:04, 16 февраля 2019

Понятие машинного обучения в искусственном интеллекте

Определение:
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

  • 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

  • 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

Источники информации

  1. Википедия — Обучение с частичным привлечением учителя
  2. Semi-SuperVised Learning Tutorial