Innehåll
- Definition - Vad betyder Semi-Supervised Learning?
- En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
- Techopedia förklarar Semi-Supervised Learning
Definition - Vad betyder Semi-Supervised Learning?
Semi-övervakad inlärning är en metod som används för att göra det möjligt för maskiner att klassificera både materiella och immateriella föremål. Objekten som maskinerna behöver klassificera eller identifiera kan vara lika varierande som att sluta studenternas inlärningsmönster från klassrumsvideor till att dra slutsatser från datastöldförsök på servrar. För att lära sig och dra slutsatser om objekt tillhandahålls maskiner märkta, ytlig information om olika typer av data baserat på vilka maskinerna behöver lära sig av stora, strukturerade och ostrukturerade data de får regelbundet.
En introduktion till Microsoft Azure och Microsoft Cloud | I hela denna guide kommer du att lära dig vad cloud computing handlar om och hur Microsoft Azure kan hjälpa dig att migrera och driva ditt företag från molnet.
Techopedia förklarar Semi-Supervised Learning
Den lilla biten med märkta data som tillhandahålls till systemen fungerar som utgångspunkt för datorsystemen. Därefter måste systemen acceptera och lära av stora mängder omärkta data. Emellertid kan de märkta data som tillhandahålls vara till hjälp för att klassificera den breda typen av omärkt data som systemet kan ta emot. Till exempel, som märkta data, bör temperaturer över 104 ° F behandlas som ett fall av hög feber, men i själva verket kan en sådan hög temperatur också bero på andra komplikationer. Det är för systemen att använda de grundläggande märkta data och lära sig mer om de stora volymerna omärkta data den får. Teoretiskt sett kan halvledd lärande betraktas som en bättre utbildningsmetod för system än övervakat eller utan övervakat lärande.