Enable javascript in your browser for better experience. Need to know to enable it? Go here.
更新于 : May 19, 2020
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中,那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中,那么它很有可能已经不再具有相关性,我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。 了解更多
May 2020
试验 ? 值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。

半监督学习循环 是一类迭代式的机器学习工作流,它们利用未标记数据中尚待发现的关系,来提升学习性能。这些技术通过不同方式组合已标记和未标记的数据集,从而改进模型。此外,它们还对在不同数据子集上训练出来的模型进行对比。与机器从未标记数据中推断分类的无监督学习,以及训练集完全标记的有监督技术不同,半监督技术利用的是一小部分已标记数据和大量的未标记数据。半监督学习还与主动学习技术密切相关,在主动学习技术中,人们被引导至选择性标记的模糊数据点。因为能够精确标记数据的专家是稀缺资源,并且标记通常是机器学习工作流中最耗时的活动,所以半监督技术不仅降低了训练成本,还使机器学习对于新型用户而言是可行的。我们还看到了弱监督技术的应用,它使用了机器标记的数据,但其可信度低于人工标记的数据。

Nov 2019
评估 ? 在了解它将对你的企业产生什么影响的前提下值得探索

半监督学习循环是一类迭代式的机器学习工作流,它们利用未标记数据中尚待发现的关系,来提升学习性能。这些技术通过不同方式组合标记和未标记的数据集,从而改进模型。此外,它们还对在不同数据子集上训练出来的的模型进行对比。与机器从未标记数据中推断分类的无监督学习,以及训练集完全标记的有监督技术不同,半监督技术利用的是一小部分被标记数据和大部分未标记数据。半监督学习还与主动学习技术密切相关,在主动学习技术中,人们被引导至选择性标记的模糊数据点。因为能够精确标记数据的专家是稀缺资源,并且标记通常是机器学习中最耗时的活动,所以半监督技术不仅降低了训练成本,还使机器学习对于新型用户而言是可行的。

发布于 : Nov 20, 2019
Radar

下载第26期技术雷达

English | Español | Português | 中文

Radar

获取最新技术洞见

 

立即订阅

查看存档并阅读往期内容