Можно использовать полуконтролируемые методы изучения, когда только небольшая часть данных помечена и определение, что истинные метки для остальной части данных являются дорогими. Вместо того, чтобы использовать контролируемый метод изучения, чтобы обучить классификатор на маркированных данных и предсказать метки для непомеченных данных, можно усилить полуконтролируемые методы изучения, чтобы соответствовать меткам к непомеченным данным.
Если вы хотите предсказать метки для новых данных, можно использовать predict объектная функция полуконтролируемого классификатора, обученного и на помеченных и на непомеченных данных.
fitsemigraph | Пометьте данные с помощью, полуконтролировал основанный на графике метод |
fitsemiself | Пометьте данные с помощью полуконтролируемого самометода обучения |
predict | Пометьте новые данные с помощью, полуконтролировал основанный на графике классификатор |
predict | Пометьте новые данные с помощью полуконтролируемого самообученного классификатора |
SemiSupervisedGraphModel | Полуконтролируемая основанная на графике модель для классификации |
SemiSupervisedSelfTrainingModel | Полуконтролируемая самообученная модель для классификации |
Маркируйте Data Using Semi-Supervised Learning Techniques
Сравните основанный на графике и самообучение, полуконтролируемое, изучив методы.
