[ML] Semi-Supervised Learning(준지도 학습)

Semi-Supervised Learnin(준지도학습)

 

 

많은 데이터에 Label을 붙이는 일은 쉽지 않다.

데이터에 알맞은 Label이 붙어있지 않으면 좋지 않은 질의 데이터가 되는 것이다.

 

이런 데이터 라벨링을 사람이 하고 있는 현재에 라벨링이 제대로 된 데이터의 양은 많지 않다.

이런 상황을 고려하여 만들어진 게 semi-Supervised Learning(준지도)이다

 

• 많은 양의 Label 없는 데이터
• 적은 양의 Label 있는 데이터

 

Semi-Supervised Learning 의 가정

(참고 : ( x, y ) 에서 x는 데이터, y는 label이다.)

 

 

The smoothness assumption

확률 밀도가 높은 지역에서 x1, x2가 가깝다면 연관된 레이블인  y1과 y2도 가까워야 한다.

label이 없는 데이터에 대해서도 위 가정을 적용한다.

 

 

The low-density assumption

모델의 결정 경계가 고밀도 지역을 통과하지 않는다.

 

 

The manifold assumption

고차원의 데이터는 저차원 manifold(특정한 구조)들의 묶음이다.

 

 

The cluster assumption

같은 cluster(군집)에 있다면, 같은 클래스이다.