Вы можете использовать методы обучения с полупроверкой, когда только небольшая часть ваших данных помечена, и определение истинных меток для остальных данных является дорогостоящим. Вместо использования контролируемого метода обучения для обучения классификатора маркированным данным и прогнозирования меток для немеченых данных можно использовать полуспециализированные методы обучения для подгонки меток к немаркированным данным.
Если требуется прогнозировать метки для новых данных, можно использовать predict объектная функция полууправляемого классификатора, обученного как маркированным, так и немаркированным данным.
fitsemigraph | Маркировка данных с помощью полупроверенного метода на основе графика |
fitsemiself | Данные этикеток с использованием полупроверенного метода самотренировки |
predict | Маркировка новых данных с помощью полууправляемого классификатора на основе графов |
predict | Маркировка новых данных с использованием полууправляемого самообученного классификатора |
SemiSupervisedGraphModel | Полууправляемая графическая модель для классификации |
SemiSupervisedSelfTrainingModel | Полууправляемая модель самообучения для классификации |
Маркировка данных с использованием методов обучения с полупроверкой
Сравнение методов обучения на основе графиков и самостоятельного обучения.