Apprentissage semi-supervisé


Définition

L’apprentissage semi-supervisé consiste à entraîner un modèle d’apprentissage sur un jeu de données partiellement annoté qui comporte quelques données annotées et beaucoup de données non annotées. L’idée est d’attribuer les annotations en utilisant la similarité entre les données annotées et les données non annotées.

L’apprentissage semi-supervisé se situe ainsi entre l’apprentissage supervisé qui n’utilise que des données annotées et l’apprentissage non supervisé qui n’emploie que des données non annotées. La combinaison de ces deux ensembles de données permet d’améliorer sensiblement les résultats sans avoir recours à l’intervention fastidieuse (coûteuse et chronophage) de l’annotation manuelle.

Compléments

Par exemple, un algorithme non-supervisé de groupement identifie des groupes, puis il attribue une étiquette à chacun des groupes pour ensuite étiqueter tous les membres de chacun de ces groupes.

Français

apprentissage semi-dirigé

apprentissage semi-supervisé

entraînement semi-supervisé

Anglais

semi-supervised learning

Sources

Source: Marc Lucea. Modélisation dynamique par réseaux de neurones et machines à vecteurs supports: contribution à la maîtrise des émissions polluantes de véhicules automobiles.. domain_other. UniversitéPierre et Marie Curie - Paris VI, 2006. Français. <pastel-00001943>

Source: Bisson, Valentin (2012). Algorithmes d’apprentissage pour la recommandation, thèse de doctorat, Université de Montréal, 96 pages.

Source: Termino



101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »