Contenuto
- Definizione - Cosa significa apprendimento semi-supervisionato?
- Un'introduzione a Microsoft Azure e Microsoft Cloud | In questa guida imparerai cos'è il cloud computing e in che modo Microsoft Azure può aiutarti a migrare e gestire la tua azienda dal cloud.
- Techopedia spiega l'apprendimento semi-supervisionato
Definizione - Cosa significa apprendimento semi-supervisionato?
L'apprendimento semi supervisionato è un metodo utilizzato per consentire alle macchine di classificare oggetti sia materiali che immateriali. Gli oggetti di cui le macchine hanno bisogno per classificare o identificare potrebbero essere tanto vari quanto dedurre i modelli di apprendimento degli studenti dai video di classe per trarre inferenze dai tentativi di furto di dati sui server. Per apprendere e dedurre sugli oggetti, alle macchine vengono fornite informazioni superficiali, etichettate, su vari tipi di dati in base ai quali le macchine devono imparare dai dati grandi, strutturati e non strutturati che ricevono regolarmente.
Un'introduzione a Microsoft Azure e Microsoft Cloud | In questa guida imparerai cos'è il cloud computing e in che modo Microsoft Azure può aiutarti a migrare e gestire la tua azienda dal cloud.
Techopedia spiega l'apprendimento semi-supervisionato
I piccoli dati etichettati forniti ai sistemi servono come punto di partenza per i sistemi informatici. Successivamente, i sistemi devono accettare e apprendere da grandi volumi di dati senza etichetta. Tuttavia, i dati etichettati forniti possono essere utili per classificare l'ampio tipo di dati senza etichetta che il sistema potrebbe ricevere. Ad esempio, come dati etichettati, le temperature superiori a 104 ° F dovrebbero essere trattate come un caso di febbre alta, ma in realtà tale temperatura elevata può essere dovuta anche ad altre complicazioni. Spetta ai sistemi utilizzare i dati etichettati di base e conoscere meglio i grandi volumi di dati senza etichetta che riceve. Teoricamente, l'apprendimento semi-supervisionato può essere considerato un metodo di addestramento migliore per i sistemi rispetto all'apprendimento supervisionato o non supervisionato.