Apprentissage semi-supervisé

L’apprentissage semi-supervisé est une technique d’apprentissage machine qui utilise à la fois des données étiquetées et non étiquetées pour entraîner un modèle. Contrairement à l’apprentissage supervisé, qui nécessite des étiquettes pour chaque exemple d’entraînement, l’apprentissage semi-supervisé peut exploiter des quantités beaucoup plus importantes de données non étiquetées pour améliorer les performances du modèle.

Exemple : Dans la classification d’images, un petit ensemble d’images étiquetées avec des chats et des chiens peut être combiné avec un grand ensemble d’images non étiquetées pour entraîner un modèle de reconnaissance d’animaux domestiques avec une meilleure généralisation.

Retourner à l'index du lexique