التعلم شبه الخاضع للإشراف هونوع من التعلم الآلي. يشير إلى مشكلة التعلم (والخوارزميات المصممة لمشكلة التعلم) التي تتضمن جزءًا صغيرًا من الأمثلة المصنفة وعددًا كبيرًا من الأمثلة غير المصنفة التي يجب أن يتعلم منها النموذج ويتنبأ بأمثلة جديدة.
ماذا تقصد بالتعلم شبه الخاضع للإشراف؟
التعلم شبه الخاضع للإشراف هونهج للتعلم الآلي يجمع بين كمية صغيرة من البيانات المصنفة وكمية كبيرة من البيانات غير المسماة أثناء التدريب. … يعد التعلم شبه الخاضع للإشراف أيضًا ذا أهمية نظرية في التعلم الآلي وكنموذج للتعلم البشري.
ما هو مثال التعلم شبه الخاضع للإشراف؟
المثال الشائع لتطبيق التعلم شبه الخاضع للإشراف هومصنف مستند نصي. … لذلك ، يسمح التعلم شبه الخاضع للإشراف للخوارزمية بالتعلم من كمية صغيرة من المستندات النصية المصنفة مع الاستمرار في تصنيف كمية كبيرة من المستندات النصية غير المسماة في بيانات التدريب.
أين يستخدم التعلم شبه الخاضع للإشراف؟
تحليل الكلام: نظرًا لأن تسمية الملفات الصوتية مهمة مكثفة للغاية ، فإن التعلم شبه الخاضع للإشراف هو نهج طبيعي جدًا لحل هذه المشكلة. تصنيف محتوى الإنترنت: يعد تصنيف كل صفحة ويب عملية غير عملية وغير مجدية ، وبالتالي يستخدم خوارزميات التعلم شبه الخاضعة للإشراف.
ما هو الفرق بين تحت الإشراف والتعلم شبه الخاضع للإشراف؟
في نموذج التعلم الخاضع للإشراف ، تتعلم الخوارزمية على مجموعة بيانات معنونة ، مما يوفر مفتاح إجابة يمكن للخوارزمية استخدامه لتقييم دقتها على بيانات التدريب. … التعلم شبه الخاضع للإشرافيأخذ أرضية وسطية. يستخدم كمية صغيرة من البيانات المصنفة تعزز مجموعة أكبر من البيانات غير المسماة.