การเรียนรู้แบบกึ่งมีผู้สอน (semi-supervised learning) เป็นรูปแบบหนึ่งของการเรียนรู้ของเครื่องที่ใช้ข้อมูลที่มีฉลากกำกับจำนวนเล็กน้อยและข้อมูลที่ไม่มีฉลากกำกับจำนวนมากในระหว่างการฝึก การเรียนรู้แบบกึ่งมีผู้สอนอยู่ระหว่างการเรียนรู้แบบไม่มีผู้สอน (ข้อมูลการฝึกทั้งหมดไม่มีฉลากกำกับ) และ การเรียนรู้แบบมีผู้สอน (ข้อมูลการฝึกทั้งหมดมีฉลากกำกับ) การเรียนรู้แบบกึ่งมีผู้สอนมีจุดมุ่งหมายเพื่อบรรเทาปัญหาการที่ข้อมูลฝึกที่มีฉลากกำกับนั้นมีอยู่เพียงจำกัด
ปัญหา
ปัญหาที่เหมาะจะใช้การเรียนรู้แบบไม่มีผู้สอนนั้นจะเป็นปัญหาที่มีตัวอย่างที่ไม่มีฉลากกำกับอยู่เป็นจำนวนมาก และค่าใช้จ่ายในการทำตัวอย่างที่มีฉลากกำกับค่อนข้างสูง การเรียนรู้ของเครื่องสาขาอื่น ๆ บางสาขามีแรงจูงใจเช่นนี้เหมือนกัน แต่ใช้สมมติฐานและวิธีการที่แตกต่างกัน เช่น การเรียนรู้เชิงรุก และการเรียนรู้แบบมีผู้สอนแบบอ่อน
เมื่อใช้ตัวอย่างที่ไม่มีฉลากกำกับและตัวอย่างที่มีฉลากกำกับจำนวนน้อยร่วมกัน ความแม่นยำของการเรียนรู้อาจดีขึ้นได้อย่างมาก การได้รับข้อมูลที่ติดฉลากกำกับสำหรับปัญหาเฉพาะมักต้องใช้แรงงานที่มีทักษะ (เช่น การถอดเสียงคลิปเสียง) หรือทำการทดลองทางกายภาพ (เช่น การกำหนดโครงสร้างสามมิติของโปรตีน หรือการพิจารณาว่ามีน้ำมันหรือก๊าซอยู่ในส่วนจำเพาะ) ดังนั้นต้นทุนในการได้รับตัวอย่างที่มีฉลากจึงมักจะสูง และไม่สามารถได้รับชุดตัวอย่างขนาดใหญ่ที่มีฉลากครบถ้วนได้ ขณะเดียวกัน ต้นทุนในการได้รับตัวอย่างที่ไม่มีฉลากก็มักจะค่อนข้างต่ำ ในกรณีเช่นนี้ การเรียนรู้แบบกึ่งมีผู้สอนมีคุณค่าอย่างยิ่ง การเรียนรู้แบบกึ่งมีผู้สอนยังมีคุณค่าทางทฤษฎีในการสร้างแบบจำลองการเรียนรู้ของเครื่องและการเรียนรู้ของมนุษย์
วิธีการ
พิจารณาข้อมูลตัวอย่าง ตัวที่เป็นที่มีการแจกแจงเหมือนกันโดยเป็นอิสระต่อกัน และฉลากกำกับข้อมูลนั้น และมีตัวอย่าง ที่ไม่มีฉลากกำกับ การเรียนรู้แบบกึ่งมีผู้สอนจะทำการนำตัวอย่างเหล่านี้เข้ามาใช้ร่วมกันเพื่อให้ได้ประสิทธิภาพการจำแนกเชิงสถิติที่ดีกว่าการใช้แค่ตัวอย่างที่ไม่มีฉลากกำกับมาทำการเรียนรู้แบบมีผู้สอน หรือยอมไม่ใช้ฉลากกำกับเลยแล้วทำการเรียนรู้แบบไม่มีผู้สอน
การเรียนรู้แบบกึ่งมีผู้สอนอาจเป็นการเรียนรู้โดย หรือ การให้เหตุผลแบบอุปนัย วัตถุประสงค์ของการเรียนรู้แบบอนุมานถ่ายโอนคือการอนุมานฉลากกำกับที่ถูกต้องสำหรับตัวอย่างที่ไม่มีฉลากกำกับ จุดประสงค์ของการเรียนรู้โดยการให้เหตุผลแบบอุปนัยคือ การอนุมานแผนเชื่อมโยงความสัมพันธ์จาก สู่
ประวัติศาสตร์
การเรียนรู้ด้วยตัวเองในการแก้ปัญหาแบบศึกษาสำนึก ถือเป็นการเรียนรู้แบบกึ่งมีผู้สอนที่เก่าแก่ที่สุด โดยเริ่มมีตัวอย่างการใช้งานตั้งแต่ช่วงปี 1960
กรอบการเรียนรู้เชิงอนุมานได้รับการเสนออย่างเป็นทางการโดย ในคริสต์ทศวรรษ 1970 และความสนใจในการเรียนรู้แบบอุปนัยโดยใช้แบบจำลองกำเนิดก็เกิดขึ้นในช่วงเวลาเดียวกันเช่นกัน
ความนิยมที่เพิ่มขึ้นของการเรียนรู้แบบกึ่งมีผู้สอนในยุคหลังมานี้เนื่องมาจากการที่ในทางปฏิบัติแล้ว โปรแกรมประยุกต์จำนวนมากสามารถรับข้อมูลที่ไม่มีฉลากกำกับได้ (เช่น ข้อความในหน้าเว็บ ลำดับโปรตีน หรือรูปภาพ)
อ้างอิง
- "Semi-Supervised Learning Literature Survey, Page 5". 2007. 10.1.1.99.9681.
{{}}
: Cite journal ต้องการ|journal=
((help)) - Chapelle, Olivier; Schölkopf, Bernhard; Zien, Alexander (2006). Semi-supervised learning. Cambridge, Mass.: MIT Press. ISBN .
- Scudder, H. (July 1965). "Probability of error of some adaptive pattern-recognition machines". IEEE Transactions on Information Theory. 11 (3): 363–371. doi:10.1109/TIT.1965.1053799. ISSN 1557-9654.
- Vapnik, V.; Chervonenkis, A. (1974). Theory of Pattern Recognition (ภาษารัสเซีย). Moscow: Nauka. cited in Chapelle, Schölkopf & Zien 2006, p. 3
- Zhu, Xiaojin (2008). "Semi-supervised learning literature survey" (PDF). University of Wisconsin-Madison. คลังข้อมูลเก่าเก็บจากแหล่งเดิม (PDF)เมื่อ 2016-03-03. สืบค้นเมื่อ 2023-03-22.
wikipedia, แบบไทย, วิกิพีเดีย, วิกิ หนังสือ, หนังสือ, ห้องสมุด, บทความ, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม, มือถือ, โทรศัพท์, Android, iOS, Apple, โทรศัพท์โมบิล, Samsung, iPhone, Xiomi, Xiaomi, Redmi, Honor, Oppo, Nokia, Sonya, MI, PC, พีซี, web, เว็บ, คอมพิวเตอร์
kareriynruaebbkungmiphusxn semi supervised learning epnrupaebbhnungkhxngkareriynrukhxngekhruxngthiichkhxmulthimichlakkakbcanwnelknxyaelakhxmulthiimmichlakkakbcanwnmakinrahwangkarfuk kareriynruaebbkungmiphusxnxyurahwangkareriynruaebbimmiphusxn khxmulkarfukthnghmdimmichlakkakb aela kareriynruaebbmiphusxn khxmulkarfukthnghmdmichlakkakb kareriynruaebbkungmiphusxnmicudmunghmayephuxbrrethapyhakarthikhxmulfukthimichlakkakbnnmixyuephiyngcakd rupaesdngtwxyangxiththiphlkhxngklumtwxyangthiimmichlakkakbtxkareriynruaebbkungmiphusxn rupdanbnaesdngkhxbekhtthiepnipidsahrbkarcaaenkpraephthodyichtwxyangthimichlakkakbethann wngklmsikhawaelasida rupdanlangaesdngkhxbekhtkhxngkarcaaenkpraephthodyichtwxyangthimichlakkakb wngklmsikhawaelasida aelatwxyangthiimmichlakkakb wngklmsietha krabwnkarnisamarthmxngidwaepnkarcbklumkhxmul odyichkhxmulthimichlakkakbtidxyuaelwephuxtidchlakkakbihkbklumkxnkhxngkhxmulthiyngimmichlakkakb odyphicarnakhxbekhtaelakhwamhnaaennkhxngklumkxnpyhapyhathiehmaacaichkareriynruaebbimmiphusxnnncaepnpyhathimitwxyangthiimmichlakkakbxyuepncanwnmak aelakhaichcayinkarthatwxyangthimichlakkakbkhxnkhangsung kareriynrukhxngekhruxngsakhaxun bangsakhamiaerngcungicechnniehmuxnkn aetichsmmtithanaelawithikarthiaetktangkn echn kareriynruechingruk aelakareriynruaebbmiphusxnaebbxxn emuxichtwxyangthiimmichlakkakbaelatwxyangthimichlakkakbcanwnnxyrwmkn khwamaemnyakhxngkareriynruxacdikhunidxyangmak karidrbkhxmulthitidchlakkakbsahrbpyhaechphaamktxngichaerngnganthimithksa echn karthxdesiyngkhlipesiyng hruxthakarthdlxngthangkayphaph echn karkahndokhrngsrangsammitikhxngoprtin hruxkarphicarnawaminamnhruxkasxyuinswncaephaa dngnntnthuninkaridrbtwxyangthimichlakcungmkcasung aelaimsamarthidrbchudtwxyangkhnadihythimichlakkhrbthwnid khnaediywkn tnthuninkaridrbtwxyangthiimmichlakkmkcakhxnkhangta inkrniechnni kareriynruaebbkungmiphusxnmikhunkhaxyangying kareriynruaebbkungmiphusxnyngmikhunkhathangthvsdiinkarsrangaebbcalxngkareriynrukhxngekhruxngaelakareriynrukhxngmnusywithikarphicarnakhxmultwxyang l displaystyle l twthiepnthimikaraeckaecngehmuxnknodyepnxisratxkn x1 xl X displaystyle x 1 dots x l in X aelachlakkakbkhxmulnn y1 yl Y displaystyle y 1 dots y l in Y aelamitwxyang u displaystyle u thiimmichlakkakb xl 1 xl u X displaystyle x l 1 dots x l u in X kareriynruaebbkungmiphusxncathakarnatwxyangehlaniekhamaichrwmknephuxihidprasiththiphaphkarcaaenkechingsthitithidikwakarichaekhtwxyangthiimmichlakkakbmathakareriynruaebbmiphusxn hruxyxmimichchlakkakbelyaelwthakareriynruaebbimmiphusxn kareriynruaebbkungmiphusxnxacepnkareriynruody hrux karihehtuphlaebbxupny wtthuprasngkhkhxngkareriynruaebbxnumanthayoxnkhuxkarxnumanchlakkakbthithuktxngsahrbtwxyangthiimmichlakkakb xl 1 xl u displaystyle x l 1 dots x l u cudprasngkhkhxngkareriynruodykarihehtuphlaebbxupnykhux karxnumanaephnechuxmoyngkhwamsmphnthcak X displaystyle X su Y displaystyle Y prawtisastrkareriynrudwytwexnginkaraekpyhaaebbsuksasanuk thuxepnkareriynruaebbkungmiphusxnthiekaaekthisud odyerimmitwxyangkarichngantngaetchwngpi 1960 krxbkareriynruechingxnumanidrbkaresnxxyangepnthangkarody inkhristthswrrs 1970 aelakhwamsnicinkareriynruaebbxupnyodyichaebbcalxngkaenidkekidkhuninchwngewlaediywknechnkn khwamniymthiephimkhunkhxngkareriynruaebbkungmiphusxninyukhhlngmanienuxngmacakkarthiinthangptibtiaelw opraekrmprayuktcanwnmaksamarthrbkhxmulthiimmichlakkakbid echn khxkhwaminhnaewb ladboprtin hruxrupphaph xangxing Semi Supervised Learning Literature Survey Page 5 2007 10 1 1 99 9681 a href wiki E0 B9 81 E0 B8 A1 E0 B9 88 E0 B9 81 E0 B8 9A E0 B8 9A Cite journal title aemaebb Cite journal cite journal a Cite journal txngkar journal help Chapelle Olivier Scholkopf Bernhard Zien Alexander 2006 Semi supervised learning Cambridge Mass MIT Press ISBN 978 0 262 03358 9 Scudder H July 1965 Probability of error of some adaptive pattern recognition machines IEEE Transactions on Information Theory 11 3 363 371 doi 10 1109 TIT 1965 1053799 ISSN 1557 9654 Vapnik V Chervonenkis A 1974 Theory of Pattern Recognition phasarsesiy Moscow Nauka cited in Chapelle Scholkopf amp Zien 2006 p 3 Zhu Xiaojin 2008 Semi supervised learning literature survey PDF University of Wisconsin Madison khlngkhxmulekaekbcakaehlngedim PDF emux 2016 03 03 subkhnemux 2023 03 22