弱监督学习是一个总括性的术语,涵盖了尝试通过较弱的监督来学习并构建预测模型的各种研究。关于弱监督学习和传统的有监督学习以及上述的三种弱监督的联系可见下图: 4、强化学习 在这种学习模式下,输入数据作为对模型的反馈,不像监督模型那样,输入数据仅仅是作为一个检查模型对错的方式,在强化学习下,输入数据直接反馈到...
半监督学习是数据既包括有标签的部分也包括没有标签的部分,模型首先从有标签的数据中学习到知识,然后应用这部分知识学习没有标签的数据。自监督和无监督学习一样,也是学习没有标签的数据。自监督模型学习没有标签的数据可以自己通过学习加上相应的标签。弱监督学习通过简单的标签去完成困难的任务。例如,分割任务需要分类...
半监督学习则融合了有标注与无标注数据的特点，利用有标注数据引导模型学习，再将学习到的知识应用于无标注数据，以提高模型的泛化能力和性能。自监督学习与无监督学习类似，但模型能够通过学习无标注数据生成额外的标签，实现自我指导的训练过程。弱监督学习则面对的是标注信息稀少但任务难度大的情况，如目标...