Tabla de contenido:
- Definición: ¿Qué significa el aprendizaje semi-supervisado?
- Techopedia explica el aprendizaje semi-supervisado
Definición: ¿Qué significa el aprendizaje semi-supervisado?
El aprendizaje semi-supervisado es un método utilizado para permitir que las máquinas clasifiquen objetos tangibles e intangibles. Los objetos que las máquinas necesitan para clasificar o identificar podrían ser tan variados como inferir los patrones de aprendizaje de los estudiantes de los videos del aula para extraer inferencias de los intentos de robo de datos en los servidores. Para aprender e inferir acerca de los objetos, las máquinas reciben información etiquetada y superficial sobre varios tipos de datos en función de los cuales las máquinas necesitan aprender de los datos grandes, estructurados y no estructurados que reciben regularmente.
Techopedia explica el aprendizaje semi-supervisado
Los pocos datos etiquetados que se proporcionan a los sistemas sirven como punto de partida para los sistemas informáticos. Después de eso, los sistemas deben aceptar y aprender de grandes volúmenes de datos sin etiquetar. Sin embargo, los datos etiquetados proporcionados pueden ser útiles para clasificar el tipo amplio de datos no etiquetados que el sistema puede estar recibiendo. Por ejemplo, como datos etiquetados, las temperaturas superiores a 104 ° F deben tratarse como un caso de fiebre alta, pero en realidad, dicha temperatura también puede deberse a otras complicaciones. Es para que los sistemas utilicen los datos básicos etiquetados y aprendan más sobre los grandes volúmenes de datos no etiquetados que recibe. Teóricamente, el aprendizaje semi-supervisado puede considerarse un mejor método de capacitación para los sistemas que el aprendizaje supervisado o no supervisado.
