Minwoo Dev.
[ML] Semi-Supervised Learning(준지도 학습) 본문
728x90
반응형
SMALL
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.
728x90
반응형
LIST
'AI' 카테고리의 다른 글
[AI] F1 score (0) | 2024.09.08 |
---|---|
[AI] AI 대회 진행방식, 참고사항 (1) | 2024.09.07 |
[ML] Reinforcement Learning(강화학습) (0) | 2024.07.27 |
[Machine Learning] UnSupervised Learning(비지도 학습) (0) | 2024.07.27 |
[Machine Learning] Supervised Learning(지도 학습) (0) | 2024.07.27 |