Slovník výrazov AI/Prenosové a úsporné učenie

Prenosové a úsporné učenie

poloriadené učenie

Anglický výraz semi-supervised learning

základnéheslo č. 2015 otázok a odpovedí2 odborné zdroje

Presná definícia

Čo znamená poloriadené učenie?

Poloriadené učenie trénuje model zo spoločnej množiny označených aj neoznačených príkladov. Neoznačené dáta nie sú samy osebe cieľom; pomáhajú odhadnúť geometriu, hustotu alebo invariancie vstupov, ktoré sa spoja so stratou z pravých označení. Prínos závisí od predpokladu, že táto štruktúra súvisí s požadovanými triedami.

Skúsenosť a kontext

Ako sa pojem používa v praxi

Pri triedení servisných hlásení môže firma ručne označiť malú reprezentatívnu časť a pridať veľký archív bez štítkov. Najprv vytvorí čisto riadený základ, potom skúsi pseudo-označovanie alebo grafovú metódu. Prah dôvery a váha neoznačenej straty sa ladia iba na validačných pravých štítkoch. Samostatne sa meria prínos neoznačených dát; ak pochádzajú z inej populácie, môžu výsledok zhoršiť.

Overiteľnosť

Odborné zdroje

  1. scikit-learn · Semi-supervised learningscikit-learn.org
  2. Sohn et al. · FixMatchproceedings.neurips.cc

Praktické odpovede

Často kladené otázky

Koľko označených príkladov stačí?

Neexistuje pevný počet; rozhoduje zložitosť úlohy, pokrytie tried a kvalita štítkov.

Prečo môžu neoznačené dáta pomôcť?

Zachytia štruktúru vstupného rozdelenia, ak je pre cieľ relevantná.

Môže byť metóda horšia než učenie s učiteľom?

Áno, najmä pri posune distribúcie alebo chybných pseudoštítkoch.

Majú byť testovacie dáta neoznačené?

Počas tréningu áno; na záverečné hodnotenie však potrebujú dôveryhodné štítky.

Patrí sem propagácia označení aj samotrénovanie?

Áno, využívajú však neoznačené dáta odlišným mechanizmom.