준지도 학습: 두 판 사이의 차이

IT위키
(새 문서: 분류:인공지능 ;Semi-supervised learning ;라벨링이 된 학습 데이터와 라벨링이 안된 학습 데이터를 모두 활용하여 모델의 성능을 향상시키는...)
 
편집 요약 없음
 
1번째 줄: 1번째 줄:
[[분류:인공지능]]
[[분류:인공지능]]
;Semi-supervised learning
;Semi-supervised learning
;라벨링이 된 학습 데이터와 라벨링이 안된 학습 데이터를 모두 활용하여 모델의 성능을 향상시키는 [[머신 러닝]] 기법
;라벨링이 된 학습 데이터와 라벨링이 안된 학습 데이터를 모두 활용하여 모델의 성능을 향상시키는 [[머신 러닝]] 기법
* 많은 데이터를 갖고 있고 이 중 일부만 태그가 돼 있다면 준지도학습이 유용
 
*많은 데이터를 갖고 있고 이 중 일부만 태그가 돼 있다면 준지도학습이 유용
 
== 준지도 학습의 가정 ==
{| class="wikitable"
!'''학습방식'''
! '''내용'''
|-
|'''연속성(Continuity) 가정'''
|
* 서로 가까운 데이터가 동일한 속성을 가질 가능성이 더 높다는 가정
|-
|'''클러스터(Cluster)'''
 
'''가정'''
|
* 데이터는 클러스터를 형성하는 경향이 있으며 동 클러스터 내의 요소가 동일한 속성을 가지고 있다고 가정
|-
|'''매니폴드(Manifold) 가정'''
|
* 입력 공간의 다양성(매니폴드) 차수가 데이터가 분류되어 구분되는 크기보다 훨씬 높다는 가정
|}
 
== 각주 ==

2021년 5월 27일 (목) 10:54 기준 최신판


Semi-supervised learning
라벨링이 된 학습 데이터와 라벨링이 안된 학습 데이터를 모두 활용하여 모델의 성능을 향상시키는 머신 러닝 기법
  • 많은 데이터를 갖고 있고 이 중 일부만 태그가 돼 있다면 준지도학습이 유용

준지도 학습의 가정[편집 | 원본 편집]

학습방식 내용
연속성(Continuity) 가정
  • 서로 가까운 데이터가 동일한 속성을 가질 가능성이 더 높다는 가정
클러스터(Cluster)

가정

  • 데이터는 클러스터를 형성하는 경향이 있으며 동 클러스터 내의 요소가 동일한 속성을 가지고 있다고 가정
매니폴드(Manifold) 가정
  • 입력 공간의 다양성(매니폴드) 차수가 데이터가 분류되어 구분되는 크기보다 훨씬 높다는 가정

각주[편집 | 원본 편집]