Можно использовать полууправляемые методы обучения, когда маркируется только небольшой фрагмент ваших данных, и определение истинных меток для остальных данных является дорогим. Вместо использования контролируемого метода обучения для обучения классификатора на маркированных данных и предсказания меток для немаркированных данных, можно использовать полууправляемые методы обучения, чтобы подгонять метки к немаркированным данным.
Если вы хотите предсказать метки для новых данных, можно использовать predict функция объекта полууправляемого классификатора, обученная как на маркированных, так и немеченых данных.
fitsemigraph | Пометьте данные с помощью полууправляемого метода на основе графов |
fitsemiself | Маркируйте данные с помощью полууправляемого самометода обучения |
predict | Пометьте новые данные с помощью полууправляемого основанного на графе классификатора |
predict | Маркируйте новые данные с помощью полууправляемого самообученного классификатора |
SemiSupervisedGraphModel | Полууправляемая основанная на графе модель для классификации |
SemiSupervisedSelfTrainingModel | Полууправляемая самообученная модель для классификации |
Маркируйте данные с помощью полууправляемых методов обучения
Сравните основанные на графике и самообучение полууправляемые методы обучения.