Isi
- Definisi - Apa artinya Semi-Supervised Learning?
- Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.
- Techopedia menjelaskan Pembelajaran Semi-Supervisi
Definisi - Apa artinya Semi-Supervised Learning?
Pembelajaran semi-diawasi adalah metode yang digunakan untuk memungkinkan mesin untuk mengklasifikasikan objek berwujud dan tidak berwujud. Objek yang perlu diklasifikasi atau diidentifikasi oleh mesin dapat beragam seperti menyimpulkan pola belajar siswa dari video kelas hingga menarik kesimpulan dari upaya pencurian data di server. Untuk mempelajari dan menyimpulkan tentang objek, mesin diberi label, informasi dangkal tentang berbagai jenis data berdasarkan yang dibutuhkan mesin untuk belajar dari data besar, terstruktur dan tidak terstruktur yang mereka terima secara teratur.
Pengantar Microsoft Azure dan Microsoft Cloud | Sepanjang panduan ini, Anda akan mempelajari tentang apa itu cloud computing dan bagaimana Microsoft Azure dapat membantu Anda untuk bermigrasi dan menjalankan bisnis Anda dari cloud.
Techopedia menjelaskan Pembelajaran Semi-Supervisi
Sedikit data berlabel yang disediakan untuk sistem berfungsi sebagai titik awal untuk sistem komputer. Setelah itu, sistem perlu menerima dan belajar dari volume besar data yang tidak berlabel. Namun, data berlabel yang disediakan mungkin membantu dalam mengklasifikasikan tipe luas data yang tidak berlabel yang mungkin diterima sistem. Sebagai contoh, sebagai data berlabel, suhu yang lebih besar dari 104 ° F harus diperlakukan sebagai kasus demam tinggi diberikan, tetapi pada kenyataannya, suhu tinggi seperti itu mungkin juga karena komplikasi lain. Ini untuk sistem untuk menggunakan data berlabel dasar dan mempelajari lebih lanjut tentang volume besar data yang tidak berlabel yang diterimanya. Secara teoritis, pembelajaran semi-diawasi dapat dianggap sebagai metode pelatihan yang lebih baik untuk sistem daripada pembelajaran yang diawasi atau tidak diawasi.